如何在 R 中将宽嵌套数据重塑为长格式？
How do I reshape wide nested data to long format in R?
我有一个看起来像这样的数据集，每个教室 (ID) 有不同的团队 (A, B)，每个团队有 3 个分数（例如，team1_1 team1_2 team1_3) 和每队的平均分。也就是说，1号教室有两队（A，B），2号教室有两队（A，B），以此类推。
df <- data.frame(ID=1:5,
Team1=c("A","A","A","A","A"),
Team1_1=c(2,3,1,3,4),
Team1_2=c(4,2,2,3,2),
Team1_3=c(5,3,4,5,4),
Team1_Mean=c(3.67,2.67,2.33,3.67,3.33),
Team2=c("B","B","B","B","B"),
Team2_1=c(4,3,3,5,4),
Team2_2=c(4,2,2,5,2),
Team2_3=c(4,4,4,5,3),
Team2_Mean=c(4,3,3,5,3))
ID Team1 Team1_1 Team1_2 Team1_3 Team1_Mean Team2 Team2_1 Team2_2 Team2_3 Team2_Mean
1 A 2 4 5 3.67 B 4 4 4 4
2 A 3 2 3 2.67 B 3 2 4 3
3 A 1 2 4 2.33 B 3 2 4 3
4 A 3 3 5 3.67 B 5 5 5 5
5 A 4 2 4 3.33 B 4 2 3 3
我想重塑数据，以便每个团队都以长格式列出，如下所示：
df2 <- data.frame(ID=c(1,1,2,2,3,3,4,4,5,5),
Team=c("A", "B", "A", "B", "A", "B", "A", "B", "A", "B"),
Score1=c(2,4,3,3,1,3,3,5,4,5),
Score2=c(4,4,2,2,2,2,3,5,2,2),
Score3=c(5,4,3,4,4,4,5,5,4,3),
Mean=c(3.67,4,2.67,3,2.33,3,3.67,5,3.33,3))
ID Team Score1 Score2 Score3 Mean
1 A 2 4 5 3.67
1 B 4 4 4 4.00
2 A 3 2 3 2.67
2 B 3 2 4 3.00
3 A 1 2 4 2.33
3 B 3 2 4 3.00
4 A 3 3 5 3.67
4 B 5 5 5 5.00
5 A 4 2 4 3.33
5 B 5 2 3 3.00
在我看来，我认为将每个团队的数据放在一个列表中，重新整形为长格式，然后取消嵌套数据就可以解决问题，但这并不容易。我的第一步是这样的：
df <- df %>% nest(items = c("Team1", "Team1_1", "Team1_2", "Team1_3", "Team1_Mean"))
names(df)[names(df) == "items"] <- "Team1"
df <- df %>% nest(items = c("Team2", "Team2_1", "Team2_2", "Team2_3", "Team2_Mean"))
names(df)[names(df) == "items"] <- "Team2"
# A tibble: 5 x 3
ID Team1 Team2
<int> <list> <list>
1 1 <tibble [1 × 5]> <tibble [1 × 5]>
2 2 <tibble [1 × 5]> <tibble [1 × 5]>
3 3 <tibble [1 × 5]> <tibble [1 × 5]>
4 4 <tibble [1 × 5]> <tibble [1 × 5]>
5 5 <tibble [1 × 5]> <tibble [1 × 5]>
从那里我尝试了我常用的 reshape2（熔化）函数，但 R 说它已被弃用，所以我尝试了 tidyr 的“收集”方法，但这些努力似乎不适用于列表。
我的问题是：
- 如何实现我想要的结果？
- 我的数据集包含数百个 ID 和团队，所以我不想像上面那样输入每个变量；我怎样才能简化它以减少硬编码的使用？
非常感谢！
一个选项是pivot_longer。我们可以 rename 列 'Team1'、'Team2' 添加分隔符 (_) 以及后缀 'Team'，然后重塑为 'long' 格式pivot_longer 指定 cols 除了 'ID' (-ID)，指定 names_sep 为 _ 然后 rename以数字开头并附加 'Score' 作为前缀
的列名
library(dplyr)
library(tidyr)
library(stringr)
df %>%
rename_at(vars(matches("^Team\d+$")), ~ str_c(., "_Team")) %>%
pivot_longer(cols = -ID, names_to = c("grp", ".value"),
names_sep="_")%>%
rename_at(vars(matches('^\d+')), ~ str_c("Score", .)) %>%
select(-grp)
-输出
# A tibble: 10 x 6
# ID Team Score1 Score2 Score3 Mean
# <int> <chr> <dbl> <dbl> <dbl> <dbl>
# 1 1 A 2 4 5 3.67
# 2 1 B 4 4 4 4
# 3 2 A 3 2 3 2.67
# 4 2 B 3 2 4 3
# 5 3 A 1 2 4 2.33
# 6 3 B 3 2 4 3
# 7 4 A 3 3 5 3.67
# 8 4 B 5 5 5 5
# 9 5 A 4 2 4 3.33
#10 5 B 4 2 3 3
这是使用 stack + gsub + unstack
的基础 R 选项
q <- unstack(
transform(
stack(df),
ind = gsub("(?<=Team)\d+", "", ind, perl = TRUE)
)
)
q$ID <- rep(q$ID, max(lengths(q)) / length(q$ID))
q <- type.convert(q, as.is = TRUE)
dfout <- data.frame(q)[order(q$ID), ]
这给出了
> dfout
ID Team Team_1 Team_2 Team_3 Team_Mean
1 1 A 2 4 5 3.67
6 1 B 4 4 4 4.00
2 2 A 3 2 3 2.67
7 2 B 3 2 4 3.00
3 3 A 1 2 4 2.33
8 3 B 3 2 4 3.00
4 4 A 3 3 5 3.67
9 4 B 5 5 5 5.00
5 5 A 4 2 4 3.33
10 5 B 4 2 3 3.00
您可以使用 melt from data.table and pass a list of patterns，以及新的列名：
result <- melt(setDT(df), id=c("ID"), measure = patterns(Team = "Team\d$",
Score1 = "Team\d_1$",
Score2 = "Team\d_2$",
Score3 = "Team\d_3$",
Mean = ".+Mean$"))
result[order(ID), !c("variable")]
ID Team Score1 Score2 Score3 Mean
1: 1 A 2 4 5 3.67
2: 1 B 4 4 4 4.00
3: 2 A 3 2 3 2.67
4: 2 B 3 2 4 3.00
5: 3 A 1 2 4 2.33
6: 3 B 3 2 4 3.00
7: 4 A 3 3 5 3.67
8: 4 B 5 5 5 5.00
9: 5 A 4 2 4 3.33
10: 5 B 4 2 3 3.00
我有一个看起来像这样的数据集，每个教室 (ID) 有不同的团队 (A, B)，每个团队有 3 个分数（例如，team1_1 team1_2 team1_3) 和每队的平均分。也就是说，1号教室有两队（A，B），2号教室有两队（A，B），以此类推。
df <- data.frame(ID=1:5,
Team1=c("A","A","A","A","A"),
Team1_1=c(2,3,1,3,4),
Team1_2=c(4,2,2,3,2),
Team1_3=c(5,3,4,5,4),
Team1_Mean=c(3.67,2.67,2.33,3.67,3.33),
Team2=c("B","B","B","B","B"),
Team2_1=c(4,3,3,5,4),
Team2_2=c(4,2,2,5,2),
Team2_3=c(4,4,4,5,3),
Team2_Mean=c(4,3,3,5,3))
ID Team1 Team1_1 Team1_2 Team1_3 Team1_Mean Team2 Team2_1 Team2_2 Team2_3 Team2_Mean
1 A 2 4 5 3.67 B 4 4 4 4
2 A 3 2 3 2.67 B 3 2 4 3
3 A 1 2 4 2.33 B 3 2 4 3
4 A 3 3 5 3.67 B 5 5 5 5
5 A 4 2 4 3.33 B 4 2 3 3
我想重塑数据，以便每个团队都以长格式列出，如下所示：
df2 <- data.frame(ID=c(1,1,2,2,3,3,4,4,5,5),
Team=c("A", "B", "A", "B", "A", "B", "A", "B", "A", "B"),
Score1=c(2,4,3,3,1,3,3,5,4,5),
Score2=c(4,4,2,2,2,2,3,5,2,2),
Score3=c(5,4,3,4,4,4,5,5,4,3),
Mean=c(3.67,4,2.67,3,2.33,3,3.67,5,3.33,3))
ID Team Score1 Score2 Score3 Mean
1 A 2 4 5 3.67
1 B 4 4 4 4.00
2 A 3 2 3 2.67
2 B 3 2 4 3.00
3 A 1 2 4 2.33
3 B 3 2 4 3.00
4 A 3 3 5 3.67
4 B 5 5 5 5.00
5 A 4 2 4 3.33
5 B 5 2 3 3.00
在我看来，我认为将每个团队的数据放在一个列表中，重新整形为长格式，然后取消嵌套数据就可以解决问题，但这并不容易。我的第一步是这样的：
df <- df %>% nest(items = c("Team1", "Team1_1", "Team1_2", "Team1_3", "Team1_Mean"))
names(df)[names(df) == "items"] <- "Team1"
df <- df %>% nest(items = c("Team2", "Team2_1", "Team2_2", "Team2_3", "Team2_Mean"))
names(df)[names(df) == "items"] <- "Team2"
# A tibble: 5 x 3
ID Team1 Team2
<int> <list> <list>
1 1 <tibble [1 × 5]> <tibble [1 × 5]>
2 2 <tibble [1 × 5]> <tibble [1 × 5]>
3 3 <tibble [1 × 5]> <tibble [1 × 5]>
4 4 <tibble [1 × 5]> <tibble [1 × 5]>
5 5 <tibble [1 × 5]> <tibble [1 × 5]>
从那里我尝试了我常用的 reshape2（熔化）函数，但 R 说它已被弃用，所以我尝试了 tidyr 的“收集”方法，但这些努力似乎不适用于列表。
我的问题是：
- 如何实现我想要的结果？
- 我的数据集包含数百个 ID 和团队，所以我不想像上面那样输入每个变量；我怎样才能简化它以减少硬编码的使用？
非常感谢！
一个选项是pivot_longer。我们可以 rename 列 'Team1'、'Team2' 添加分隔符 (_) 以及后缀 'Team'，然后重塑为 'long' 格式pivot_longer 指定 cols 除了 'ID' (-ID)，指定 names_sep 为 _ 然后 rename以数字开头并附加 'Score' 作为前缀
library(dplyr)
library(tidyr)
library(stringr)
df %>%
rename_at(vars(matches("^Team\d+$")), ~ str_c(., "_Team")) %>%
pivot_longer(cols = -ID, names_to = c("grp", ".value"),
names_sep="_")%>%
rename_at(vars(matches('^\d+')), ~ str_c("Score", .)) %>%
select(-grp)
-输出
# A tibble: 10 x 6
# ID Team Score1 Score2 Score3 Mean
# <int> <chr> <dbl> <dbl> <dbl> <dbl>
# 1 1 A 2 4 5 3.67
# 2 1 B 4 4 4 4
# 3 2 A 3 2 3 2.67
# 4 2 B 3 2 4 3
# 5 3 A 1 2 4 2.33
# 6 3 B 3 2 4 3
# 7 4 A 3 3 5 3.67
# 8 4 B 5 5 5 5
# 9 5 A 4 2 4 3.33
#10 5 B 4 2 3 3
这是使用 stack + gsub + unstack
q <- unstack(
transform(
stack(df),
ind = gsub("(?<=Team)\d+", "", ind, perl = TRUE)
)
)
q$ID <- rep(q$ID, max(lengths(q)) / length(q$ID))
q <- type.convert(q, as.is = TRUE)
dfout <- data.frame(q)[order(q$ID), ]
这给出了
> dfout
ID Team Team_1 Team_2 Team_3 Team_Mean
1 1 A 2 4 5 3.67
6 1 B 4 4 4 4.00
2 2 A 3 2 3 2.67
7 2 B 3 2 4 3.00
3 3 A 1 2 4 2.33
8 3 B 3 2 4 3.00
4 4 A 3 3 5 3.67
9 4 B 5 5 5 5.00
5 5 A 4 2 4 3.33
10 5 B 4 2 3 3.00
您可以使用 melt from data.table and pass a list of patterns，以及新的列名：
result <- melt(setDT(df), id=c("ID"), measure = patterns(Team = "Team\d$",
Score1 = "Team\d_1$",
Score2 = "Team\d_2$",
Score3 = "Team\d_3$",
Mean = ".+Mean$"))
result[order(ID), !c("variable")]
ID Team Score1 Score2 Score3 Mean
1: 1 A 2 4 5 3.67
2: 1 B 4 4 4 4.00
3: 2 A 3 2 3 2.67
4: 2 B 3 2 4 3.00
5: 3 A 1 2 4 2.33
6: 3 B 3 2 4 3.00
7: 4 A 3 3 5 3.67
8: 4 B 5 5 5 5.00
9: 5 A 4 2 4 3.33
10: 5 B 4 2 3 3.00