如何将长数据汇总为新的宽格式变量并在 R 中保留重要的组信息
How to summarise long data into new wide format variables and keep improtant group information in R
抱歉，如果这个问题得到了回答，我确实查看了其他已发布的问题，这些问题帮助我到达了现在的位置，但现在正在苦苦挣扎，我是 R/ 计算机的新手，任何帮助将不胜感激！
我有一个数据集，其中每一行代表一个主题。数据集非常“广泛”，大约有 200 个变量（列）。我还有一个“长”数据集，其中包含对从每个受试者收集的样本进行的实验室测试结果。我已经合并了这些数据集，这样现在每个主题都可以出现多次，即有多个行，具体取决于收到和测试的实验室样本数量。
我现在想尝试分析为每个主题发送了多少个样本类型的样本。下面是一个简化的例子，希望有助于解释。
#example data frame
sample_type <- c("blood", "blood", "sputum", "blood", "csf", "blood", "csf", "sputum", "sputum", "sputum", "sputum", "blood", "csf", "csf")
id <- c(1,1,1,2,3,4,4,5,5,5,6,6,7,7)
example_data <- data.frame(id, sample_type)
id sample_type
1 1 blood
2 1 blood
3 1 sputum
4 2 blood
5 3 csf
6 4 blood
7 4 csf
8 5 sputum
9 5 sputum
10 5 sputum
11 6 sputum
12 6 blood
etc.
这里我尝试创建新的变量。如果我在末尾省略“distict”函数，这就可以正常工作，但是当 distict 函数折叠输出时，它似乎 select 只有一个 sample_type 然后省略其他列中的数据
example_data %>%
add_count(id, sample_type, name = "test_freq") %>%
mutate(blood_freq = case_when(sample_type == "blood" ~ test_freq),
sputum_freq = case_when(sample_type == "sputum" ~ test_freq),
csf_freq = case_when(sample_type == "csf" ~ test_freq)) %>%
distinct(id, .keep_all =
T)
没有distict功能，patient(id)号。例如 1 在 blood_freq 列中有 2 个，在 sputum_freq 列中有一个
id sample_type test_freq blood_freq sputum_freq csf_freq
1 1 blood 2 2 NA NA
2 1 blood 2 2 NA NA
3 1 sputum 1 NA 1 NA
4 2 blood 1 1 NA NA
5 3 csf 1 NA NA 1
6 4 blood 1 1 NA NA
添加了 distict 函数后，blood_freq 是正确的，但 sputum_freq 现在是 NA
id sample_type test_freq blood_freq sputum_freq csf_freq
1 1 blood 2 2 NA NA
2 2 blood 1 1 NA NA
3 3 csf 1 NA NA 1
4 4 blood 1 1 NA NA
下面是我得到的最接近的结果，但是输出有点奇怪，因为“test_freq”列中的值不是唯一的。我还担心，如果我开始旋转更长时间，我将不得不在许多其他列中定义我想用我的其余数据做什么？但也许这不是我应该担心的事情？
example_data %>%
add_count(id, sample_type, name = "test_freq") %>%
pivot_wider(names_from = sample_type, values_from = test_freq) %>%
distinct(id, .keep_all = TRUE)
id blood sputum csf
<dbl> <list> <list> <list>
1 1 <int [2]> <int [1]> <NULL>
2 2 <int [1]> <NULL> <NULL>
3 3 <NULL> <NULL> <int [1]>
4 4 <int [1]> <NULL> <int [1]>
5 5 <NULL> <int [3]> <NULL>
6 6 <int [1]> <int [1]> <NULL>
7 7 <NULL> <NULL> <int [2]>
最后我想说的是，x 位受试者发送了 y 次痰液测试，x 位受试者进行了 y 次血液和 z 次痰液测试等
我发现此代码很好地概述了已发送的测试，但不允许我查看例如有多少患者有一份血液和一份痰，因此我尝试将这些示例中所示的数据转换为更好地分析它，但不能完全到达那里！
> example_data %>% group_by(id) %>% count(sample_type) %$% table(sample_type,n)
n
sample_type 1 2 3
blood 3 1 0
csf 2 1 0
sputum 2 0 1
我希望这是有道理的？我愿意接受所有建议，甚至是任何其他以更好的方式实现这一目标的想法。
非常感谢！！
也许是这样的？
我将计算每个 id-sample_type 的数据的一个版本与仅计算每个 id 的数据的另一个版本（此版本称为“测试”）绑定。然后我们可以旋转组合数据集以提供示例的摘要列。
library(tidyverse)
bind_rows(
example_data %>% count(id, sample_type),
example_data %>% count(id) %>%
mutate(sample_type = "test")) %>%
pivot_wider(names_from = sample_type, values_from = n,
names_glue = "{sample_type}_freq")
结果
# A tibble: 7 x 5
id blood_freq sputum_freq csf_freq test_freq
<dbl> <int> <int> <int> <int>
1 1 2 1 NA 3
2 2 1 NA NA 1
3 3 NA NA 1 1
4 4 1 NA 1 2
5 5 NA 3 NA 3
6 6 1 1 NA 2
7 7 NA NA 2 2
对于你问题的后半部分，你写“最后我想说的是，x 很多受试者发送了 y 次痰液测试，并且 x 很多人有 y 次血液和 z 次痰液等."
你可以这样做：
example_data %>%
count(id, sample_type) %>%
count(sample_type, n)
结果
Storing counts in `nn`, as `n` already present in input
ℹ Use `name = "new_name"` to pick a new name.
sample_type n nn
1 blood 1 3
2 blood 2 1
3 csf 1 2
4 csf 2 1
5 sputum 1 2
6 sputum 3 1
这告诉我们 3 个 id 进行了 1 次血液检查，1 个 id 进行了 2 次血液检查，2 个 id 进行了 1 次 csf 测试，等等。
或者如果我们对血液和痰液检测的组合感兴趣：
example_data %>%
count(id, sample_type) %>%
pivot_wider(names_from = sample_type, values_from = n) %>%
count(blood, sputum)
结果
# A tibble: 5 x 3
blood sputum n
<int> <int> <int>
1 1 1 1
2 1 NA 2
3 2 1 1
4 NA 3 1
5 NA NA 2
这告诉我们只有一个 id 有 2 个血液和 1 个痰测试，但 2 个有 1 个测试但没有痰。 （顺便说一句，如果你想用 0 替换 NA，你可以将 values_fill = 0 添加到 pivot_wider。）
抱歉，如果这个问题得到了回答，我确实查看了其他已发布的问题，这些问题帮助我到达了现在的位置，但现在正在苦苦挣扎，我是 R/ 计算机的新手，任何帮助将不胜感激！
我有一个数据集，其中每一行代表一个主题。数据集非常“广泛”，大约有 200 个变量（列）。我还有一个“长”数据集，其中包含对从每个受试者收集的样本进行的实验室测试结果。我已经合并了这些数据集，这样现在每个主题都可以出现多次，即有多个行，具体取决于收到和测试的实验室样本数量。
我现在想尝试分析为每个主题发送了多少个样本类型的样本。下面是一个简化的例子，希望有助于解释。
#example data frame
sample_type <- c("blood", "blood", "sputum", "blood", "csf", "blood", "csf", "sputum", "sputum", "sputum", "sputum", "blood", "csf", "csf")
id <- c(1,1,1,2,3,4,4,5,5,5,6,6,7,7)
example_data <- data.frame(id, sample_type)
id sample_type
1 1 blood
2 1 blood
3 1 sputum
4 2 blood
5 3 csf
6 4 blood
7 4 csf
8 5 sputum
9 5 sputum
10 5 sputum
11 6 sputum
12 6 blood
etc.
这里我尝试创建新的变量。如果我在末尾省略“distict”函数，这就可以正常工作，但是当 distict 函数折叠输出时，它似乎 select 只有一个 sample_type 然后省略其他列中的数据
example_data %>%
add_count(id, sample_type, name = "test_freq") %>%
mutate(blood_freq = case_when(sample_type == "blood" ~ test_freq),
sputum_freq = case_when(sample_type == "sputum" ~ test_freq),
csf_freq = case_when(sample_type == "csf" ~ test_freq)) %>%
distinct(id, .keep_all =
T)
没有distict功能，patient(id)号。例如 1 在 blood_freq 列中有 2 个，在 sputum_freq 列中有一个
id sample_type test_freq blood_freq sputum_freq csf_freq
1 1 blood 2 2 NA NA
2 1 blood 2 2 NA NA
3 1 sputum 1 NA 1 NA
4 2 blood 1 1 NA NA
5 3 csf 1 NA NA 1
6 4 blood 1 1 NA NA
添加了 distict 函数后，blood_freq 是正确的，但 sputum_freq 现在是 NA
id sample_type test_freq blood_freq sputum_freq csf_freq
1 1 blood 2 2 NA NA
2 2 blood 1 1 NA NA
3 3 csf 1 NA NA 1
4 4 blood 1 1 NA NA
下面是我得到的最接近的结果，但是输出有点奇怪，因为“test_freq”列中的值不是唯一的。我还担心，如果我开始旋转更长时间，我将不得不在许多其他列中定义我想用我的其余数据做什么？但也许这不是我应该担心的事情？
example_data %>%
add_count(id, sample_type, name = "test_freq") %>%
pivot_wider(names_from = sample_type, values_from = test_freq) %>%
distinct(id, .keep_all = TRUE)
id blood sputum csf
<dbl> <list> <list> <list>
1 1 <int [2]> <int [1]> <NULL>
2 2 <int [1]> <NULL> <NULL>
3 3 <NULL> <NULL> <int [1]>
4 4 <int [1]> <NULL> <int [1]>
5 5 <NULL> <int [3]> <NULL>
6 6 <int [1]> <int [1]> <NULL>
7 7 <NULL> <NULL> <int [2]>
最后我想说的是，x 位受试者发送了 y 次痰液测试，x 位受试者进行了 y 次血液和 z 次痰液测试等
我发现此代码很好地概述了已发送的测试，但不允许我查看例如有多少患者有一份血液和一份痰，因此我尝试将这些示例中所示的数据转换为更好地分析它，但不能完全到达那里！
> example_data %>% group_by(id) %>% count(sample_type) %$% table(sample_type,n)
n
sample_type 1 2 3
blood 3 1 0
csf 2 1 0
sputum 2 0 1
我希望这是有道理的？我愿意接受所有建议，甚至是任何其他以更好的方式实现这一目标的想法。
非常感谢！！
也许是这样的？
我将计算每个 id-sample_type 的数据的一个版本与仅计算每个 id 的数据的另一个版本（此版本称为“测试”）绑定。然后我们可以旋转组合数据集以提供示例的摘要列。
library(tidyverse)
bind_rows(
example_data %>% count(id, sample_type),
example_data %>% count(id) %>%
mutate(sample_type = "test")) %>%
pivot_wider(names_from = sample_type, values_from = n,
names_glue = "{sample_type}_freq")
结果
# A tibble: 7 x 5
id blood_freq sputum_freq csf_freq test_freq
<dbl> <int> <int> <int> <int>
1 1 2 1 NA 3
2 2 1 NA NA 1
3 3 NA NA 1 1
4 4 1 NA 1 2
5 5 NA 3 NA 3
6 6 1 1 NA 2
7 7 NA NA 2 2
对于你问题的后半部分，你写“最后我想说的是，x 很多受试者发送了 y 次痰液测试，并且 x 很多人有 y 次血液和 z 次痰液等."
你可以这样做：
example_data %>%
count(id, sample_type) %>%
count(sample_type, n)
结果
Storing counts in `nn`, as `n` already present in input
ℹ Use `name = "new_name"` to pick a new name.
sample_type n nn
1 blood 1 3
2 blood 2 1
3 csf 1 2
4 csf 2 1
5 sputum 1 2
6 sputum 3 1
这告诉我们 3 个 id 进行了 1 次血液检查，1 个 id 进行了 2 次血液检查，2 个 id 进行了 1 次 csf 测试，等等。
或者如果我们对血液和痰液检测的组合感兴趣：
example_data %>%
count(id, sample_type) %>%
pivot_wider(names_from = sample_type, values_from = n) %>%
count(blood, sputum)
结果
# A tibble: 5 x 3
blood sputum n
<int> <int> <int>
1 1 1 1
2 1 NA 2
3 2 1 1
4 NA 3 1
5 NA NA 2
这告诉我们只有一个 id 有 2 个血液和 1 个痰测试，但 2 个有 1 个测试但没有痰。 （顺便说一句，如果你想用 0 替换 NA，你可以将 values_fill = 0 添加到 pivot_wider。）