如何使用 tidyr 在分组变量的每个值内填写完整的行？

Question

假设我有关于在多个选项之间做出选择的人的数据。我每人一行，我想每人一行和选择选项。所以，如果我有 10 个人有 3 个选择，那么现在我有 10 行，我想要有 30 行。

应将所有其他变量复制到每个新行。因此，例如，如果我有一个性别变量，它在 ID 中应该是常量。（我以这种方式设置我的数据以使用 mnlogit 进行分析。）

这似乎是两个 tidyr 函数 complete 和 fill 专门针对的情况。举个简单的例子：

library(lubridate)
library(tidyr)
dat <- data.frame(
    id = 1:3,
    choice = 5:7,
    c = c(9, NA, 11),
    d = ymd(NA, "2015-09-30", "2015-09-29")
    )

dat %>% 
  complete(id, choice) %>%
  fill(everything())

# Source: local data frame [9 x 4]
# 
#      id choice     c          d
#   (int)  (int) (dbl)     (time)
# 1     1      5     9       <NA>
# 2     1      6     9       <NA>
# 3     1      7     9       <NA>
# 4     2      5     9       <NA>
# 5     2      6     9 2015-09-30
# 6     2      7     9 2015-09-30
# 7     3      5     9 2015-09-30
# 8     3      6     9 2015-09-30
# 9     3      7    11 2015-09-29

但这有一些问题 -- d 的值被正确地继承，但是 ID 1 中的 c 值替换了 ID 2 的（正确的）NA 值。

我可以尝试一种解决方法，比如用 999、运行 complete 和 fill 替换所有缺失值，然后用 NA 替换 999。（我想如果我走这条路，我必须将日期变量转换为字符变量，然后再将它们转换回来。）但也许这里有人知道用 tidyr?[=19 做这个的简洁方法=]

编辑：此处所需的输出是：

# Source: local data frame [9 x 4]
# 
#     id     c          d choice
#  (int) (dbl)     (time)  (int)
# 1     1     9       <NA>      5
# 2     1     9       <NA>      6
# 3     1     9       <NA>      7
# 4     2    NA 2015-09-30      5
# 5     2    NA 2015-09-30      6
# 6     2    NA 2015-09-30      7
# 7     3    11 2015-09-29      5
# 8     3    11 2015-09-29      6
# 9     3    11 2015-09-29      7

Answer 1

您可以使用 "grouping" 的技巧来完成使用 c() 完成的事情。这使得它只能使用分组变量的预先存在的组合来完成。

library(tidyr)
dat %>% complete(c(id, c, d), choice) 
     id     c          d choice
  (int) (dbl)     (time)  (int)
1     1     9       <NA>      5
2     1     9       <NA>      6
3     1     9       <NA>      7
4     2    NA 2015-09-30      5
5     2    NA 2015-09-30      6
6     2    NA 2015-09-30      7
7     3    11 2015-09-29      5
8     3    11 2015-09-29      6
9     3    11 2015-09-29      7

Answer 2

我认为你最好在准备数据时将数据分开，然后在需要进行回归之前合并。

subjectdata <- dat[,c("id", "c", "d")]
questiondata <- dat[,c("id", "choice")] %>% complete(id, choice)

然后

> merge(questiondata, subjectdata)
  id choice  c          d
1  1      5  9       <NA>
2  1      6  9       <NA>
3  1      7  9       <NA>
4  2      5 NA 2015-09-30
5  2      6 NA 2015-09-30
6  2      7 NA 2015-09-30
7  3      5 11 2015-09-29
8  3      6 11 2015-09-29
9  3      7 11 2015-09-29

根据需要。这样，您还可以获得用户 2 的有效 d 列，而不依赖于数据框中问题的顺序。

Answer 3

看起来另一种方法是使用 spread 和 gather。 spread 为每个可能的答案创建一列，而 gather 将单独的列重新整形为行。有了这些数据：

dat %>%
  spread(choice, choice) %>%
  gather(choice, drop_me, `5`:`7`) %>%  # Drop me is a redundant column
  select(-drop_me) %>%
  arrange(id, choice)  # reorders so that the answer matches

#   id  c          d choice
# 1  1  9       <NA>      5
# 2  1  9       <NA>      6
# 3  1  9       <NA>      7
# 4  2 NA 2015-09-30      5
# 5  2 NA 2015-09-30      6
# 6  2 NA 2015-09-30      7
# 7  3 11 2015-09-29      5
# 8  3 11 2015-09-29      6
# 9  3 11 2015-09-29      7

我还没有进行任何测试来比较它们的效率。

Answer 4

作为对@jeremycg 回答的更新。从 tidyr 0.5.1（甚至版本 0.4.0）开始，c() 不再有效。使用 nesting() 代替：

dat %>% 
 complete(nesting(id, c, d), choice)

注意我试图编辑@jeremycg 的答案，因为答案在写的时候是正确的（因此并不是真的需要一个新的答案）但不幸的是编辑被拒绝。

如何使用 tidyr 在分组变量的每个值内填写完整的行？

How do I use tidyr to fill in completed rows within each value of a grouping variable?

r

tidyr