R 重塑数据 - 在 table 的一部分上聚合数据以附加到另一部分
R reshaping data - aggregating data on one part of a table to append to another
我有一些调查数据，我想对其进行整形，以便能够使用过滤器进行交互式切片和切块。但是，我一直停留在如何以传统方式重塑数据，而且我无法弄清楚重塑包的适当用法。请帮忙！
数据如下：每个受访者排成一排，连同每个问题的回答。在其他列中有多个关于受访者的人口统计列。
ID Q1 Q2 Q3 … Q30 Demo1 Demo2 Demo3 Average Score
1 1 2 2 … 2 1 1 1 2.5
2 2 3 1 … 5 1 2 1 2.7
3 4 1 5 … 4 2 3 2 1.6
4 1 5 4 … 3 2 1 2 2.5
5 3 4 4 … 1 1 2 2 1.4
目标是重塑数据，使每个独特的 question/demographic 组合都是独一无二的，并将该组合的得分 average/sample 作为值。
Question Demo1 Demo2 Demo3 Average NumResp
1 1 1 1 3.4 2
1 1 1 2 2.3 5
1 1 1 3 3.1 1
… … … … … ...
30 4 5 3 1.3 9
作为问题的第 2 部分，还有一些计算将 1-5 等级的响应更改为 "positive"、"neutral" 或 "negative"。最好将其添加为一列，显示该特定人口统计中所有受访者的百分比是三个值之一，所有 3 个值加起来为 100%。
Q Sentiment Demo1 Demo2 Demo3 Average
1 Positive 1 1 1 3.4
1 Neutral 1 1 1 2.3
1 Negative 1 1 1 3.1
… … … … …
30 Negative 4 5 3 1.3
非常感谢任何帮助！更愿意在 R 中执行此操作，尽管 Python 也可以。
假设您有这样的数据集（使其成为 data.table）：
ID Q1 Q2 ... Demo1 Demo2 Demo3
1: 1 7 8 2 7 3
2: 2 3 7 6 10 1
3: 3 6 1 5 5 8
4: 4 5 9 10 1 7
5: 5 10 4 8 4 6
和答案字典分数：
value Question Score
1: 7 1 17
2: 3 1 6
3: 6 1 19
让我们将数据转换为问题、答案、ID、演示：
d2 <- melt(dt, id.vars=c('ID', 'Demo1', 'Demo2', 'Demo3'), measure.vars=grep('^Q[0-9]+$', colnames(dt), val=T))
d2[, c('Question', 'variable'):=list(substring(variable,2), NULL)]
R> d2
ID Demo1 Demo2 Demo3 value Question
1: 1 2 7 3 7 1
2: 2 6 10 1 3 1
3: 3 5 5 8 6 1
现在让我们添加分数：
d3 <- merge(d2, vals_enc, by=c('Question', 'value'))
最后得到问题和人口统计的平均分数和受访者：
d3[, list(Avg=mean(Score), Number=.N), .(Question,Demo1,Demo2,Demo3)]
Question Demo1 Demo2 Demo3 Avg Number
1: 1 6 10 1 6 1
2: 1 10 1 7 18 1
3: 1 5 5 8 19 1
注意：
对于每个 ID 都有相同的人口统计状态，因此人口统计和问题的每个组合的受访者数量应该相同。
关于问题的第 2 部分：
你有这样的计算或者你正在寻找它们吗？
使用 melt 我们可以指定 id 变量（分组）或度量变量（折叠到 "long"）。参数 variable.name 允许我们命名通过折叠宽列创建的新变量。 value.name 允许我们命名值列。 ?melt.data.frame.
的文档提供了所有这些以及更多内容
为了创建 Sentiment 变量，我们使用 cut 将分数的值范围分成三分之一。有一个名为 labels 的参数允许我们选择新值的名称。
library(reshape2)
m <- melt(df, variable.name="Question", value.name="Average", id=c("Demo1", "Demo2", "Demo3"))
m$Question <- gsub("Q", "", m$Question)
a <- aggregate(Average~., m, mean)
a$Sentiment <- cut(a$Average, seq(1,5,length.out=4), labels=c("Negative", "Neutral", "Postive"), include.lowest=T)
# Demo1 Demo2 Demo3 Question Average Sentiment
# 1 1 1 1 1 1 Negative
# 2 1 2 1 1 2 Negative
# 3 2 1 2 1 1 Negative
# 4 1 2 2 1 3 Neutral
# 5 2 3 2 1 4 Postive
# 6 1 1 1 2 2 Negative
# 7 1 2 1 2 3 Neutral
# 8 2 1 2 2 5 Postive
# 9 1 2 2 2 4 Postive
# 10 2 3 2 2 1 Negative
请注意，我删除了 "ID" 和 "Average.Score" 列，因为它们将在此过程中重新计算。
数据
df <- read.table(text="
ID Q1 Q2 Q3 Q30 Demo1 Demo2 Demo3 Average.Score
1 1 2 2 2 1 1 1 2.5
2 2 3 1 5 1 2 1 2.7
3 4 1 5 4 2 3 2 1.6
4 1 5 4 3 2 1 2 2.5
5 3 4 4 1 1 2 2 1.4", header=T)
df <- df[,!names(df) %in% c("ID", "Average.Score")]
我有一些调查数据，我想对其进行整形，以便能够使用过滤器进行交互式切片和切块。但是，我一直停留在如何以传统方式重塑数据，而且我无法弄清楚重塑包的适当用法。请帮忙！
数据如下：每个受访者排成一排，连同每个问题的回答。在其他列中有多个关于受访者的人口统计列。
ID Q1 Q2 Q3 … Q30 Demo1 Demo2 Demo3 Average Score
1 1 2 2 … 2 1 1 1 2.5
2 2 3 1 … 5 1 2 1 2.7
3 4 1 5 … 4 2 3 2 1.6
4 1 5 4 … 3 2 1 2 2.5
5 3 4 4 … 1 1 2 2 1.4
目标是重塑数据，使每个独特的 question/demographic 组合都是独一无二的，并将该组合的得分 average/sample 作为值。
Question Demo1 Demo2 Demo3 Average NumResp
1 1 1 1 3.4 2
1 1 1 2 2.3 5
1 1 1 3 3.1 1
… … … … … ...
30 4 5 3 1.3 9
作为问题的第 2 部分，还有一些计算将 1-5 等级的响应更改为 "positive"、"neutral" 或 "negative"。最好将其添加为一列，显示该特定人口统计中所有受访者的百分比是三个值之一，所有 3 个值加起来为 100%。
Q Sentiment Demo1 Demo2 Demo3 Average
1 Positive 1 1 1 3.4
1 Neutral 1 1 1 2.3
1 Negative 1 1 1 3.1
… … … … …
30 Negative 4 5 3 1.3
非常感谢任何帮助！更愿意在 R 中执行此操作，尽管 Python 也可以。
假设您有这样的数据集（使其成为 data.table）：
ID Q1 Q2 ... Demo1 Demo2 Demo3
1: 1 7 8 2 7 3
2: 2 3 7 6 10 1
3: 3 6 1 5 5 8
4: 4 5 9 10 1 7
5: 5 10 4 8 4 6
和答案字典分数：
value Question Score
1: 7 1 17
2: 3 1 6
3: 6 1 19
让我们将数据转换为问题、答案、ID、演示：
d2 <- melt(dt, id.vars=c('ID', 'Demo1', 'Demo2', 'Demo3'), measure.vars=grep('^Q[0-9]+$', colnames(dt), val=T))
d2[, c('Question', 'variable'):=list(substring(variable,2), NULL)]
R> d2
ID Demo1 Demo2 Demo3 value Question
1: 1 2 7 3 7 1
2: 2 6 10 1 3 1
3: 3 5 5 8 6 1
现在让我们添加分数：
d3 <- merge(d2, vals_enc, by=c('Question', 'value'))
最后得到问题和人口统计的平均分数和受访者：
d3[, list(Avg=mean(Score), Number=.N), .(Question,Demo1,Demo2,Demo3)]
Question Demo1 Demo2 Demo3 Avg Number
1: 1 6 10 1 6 1
2: 1 10 1 7 18 1
3: 1 5 5 8 19 1
注意： 对于每个 ID 都有相同的人口统计状态，因此人口统计和问题的每个组合的受访者数量应该相同。
关于问题的第 2 部分： 你有这样的计算或者你正在寻找它们吗？
使用 melt 我们可以指定 id 变量（分组）或度量变量（折叠到 "long"）。参数 variable.name 允许我们命名通过折叠宽列创建的新变量。 value.name 允许我们命名值列。 ?melt.data.frame.
为了创建 Sentiment 变量，我们使用 cut 将分数的值范围分成三分之一。有一个名为 labels 的参数允许我们选择新值的名称。
library(reshape2)
m <- melt(df, variable.name="Question", value.name="Average", id=c("Demo1", "Demo2", "Demo3"))
m$Question <- gsub("Q", "", m$Question)
a <- aggregate(Average~., m, mean)
a$Sentiment <- cut(a$Average, seq(1,5,length.out=4), labels=c("Negative", "Neutral", "Postive"), include.lowest=T)
# Demo1 Demo2 Demo3 Question Average Sentiment
# 1 1 1 1 1 1 Negative
# 2 1 2 1 1 2 Negative
# 3 2 1 2 1 1 Negative
# 4 1 2 2 1 3 Neutral
# 5 2 3 2 1 4 Postive
# 6 1 1 1 2 2 Negative
# 7 1 2 1 2 3 Neutral
# 8 2 1 2 2 5 Postive
# 9 1 2 2 2 4 Postive
# 10 2 3 2 2 1 Negative
请注意，我删除了 "ID" 和 "Average.Score" 列，因为它们将在此过程中重新计算。
数据
df <- read.table(text="
ID Q1 Q2 Q3 Q30 Demo1 Demo2 Demo3 Average.Score
1 1 2 2 2 1 1 1 2.5
2 2 3 1 5 1 2 1 2.7
3 4 1 5 4 2 3 2 1.6
4 1 5 4 3 2 1 2 2.5
5 3 4 4 1 1 2 2 1.4", header=T)
df <- df[,!names(df) %in% c("ID", "Average.Score")]