为每个单独的 R 导入具有重复列名的文件

Question

我必须将一个非正统文件导入 R。我附上了一个带有虚假数据的小示例文件来演示该问题。我需要整理的原始数据显示在图像“原始”中，我要创建的整理数据显示在图像“整洁”中。

RAW

整洁

每个人都有 (1) 适用于同一组内所有个人的组级别信息，以及 (2) 仅适用于各自个人的个人级别信息。在附件中，组级数据包括Family和Location。然后，根据组中有多少人，有与每个人相关的重复列集。

例如，第 2 行代表居住在芝加哥的史密斯一家。史密斯家族有 3 名成员，包括约翰、莎莉和本。每个成员都有自己的一组具有相同信息类型的重复列名称：姓名、年龄、性别, 爱好。这些列中的每一组都具有相同的名称，并且每个家庭最多重复 3 个人（总共 9 列）。

我需要的是将这些数据导入 R 并将其转换为整洁的格式，最好使用 tidyverse 解决方案。

感谢您的帮助！

Answer 1

也许最好的策略还取决于您输入原始数据的方式（例如，来自 Excel）。

如果您碰巧有 Excel 数据，您可以使用 tidyverse 中的 read_excel 并可以包含 .name_repair = "minimal" 以防止更改列名。

在这种情况下，使用 repair_names 可以使重复的列名具有一致的结构，也许带有下划线（这会给你 Name、Name_1、Name_2、Age、Age_1、Age_2 等）。

最后，您重复的 pivot_longer 列将提供一个整洁的数据框。

此外，还有许多替代方法可以修复重复的列名并使其独一无二；例如，make.unique 从 janitor 包调用了 names(df) 或 clean_names(df)。

library(tidyverse)
library(readxl)

df <- read_excel("raw_data.xlsx", .name_repair = "minimal")

df %>%
  repair_names(sep = "_") %>%
  pivot_longer(-c(Family, Location), names_to = c(".value", "variable"), names_sep = "_") %>%
  select(-variable)

为每个单独的 R 导入具有重复列名的文件

Import file with repeated column names for each individual R

r

import

tidyverse

tidy

data-wrangling