tidyr 传播后如何控制新变量的名称？

Question

我有一个面板结构的数据框：两年内每个单元的 2 次观察：

library(tidyr)
mydf <- data.frame(
    id = rep(1:3, rep(2,3)), 
    year = rep(c(2012, 2013), 3), 
    value = runif(6)
)
mydf
#  id year      value
#1  1 2012 0.09668064
#2  1 2013 0.62739399
#3  2 2012 0.45618433
#4  2 2013 0.60347152
#5  3 2012 0.84537624
#6  3 2013 0.33466030

我想将这些数据重塑为宽格式，这可以通过tidyr::spread 轻松完成。但是，由于year 变量的值是数字，我的新变量的名称也变成了数字，这使得它的进一步使用变得更加困难。

spread(mydf, year, value)
#  id       2012      2013
#1  1 0.09668064 0.6273940
#2  2 0.45618433 0.6034715
#3  3 0.84537624 0.3346603

我知道我可以轻松地重命名这些列。但是，如果我想用其他操作在链中重塑，那就不方便了。例如。下面这行显然没有意义。

library(dplyr)
mydf %>% spread(year, value) %>% filter(2012 > 0.5)

以下有效，但不是那么简洁：

tmp <- spread(mydf, year, value)
names(tmp) <- c("id", "y2012", "y2013")
filter(tmp, y2012 > 0.5)

知道如何更改spread 中的新变量名称吗？

Answer 1

我知道自从最初提出这个问题以来已经过去了几年，但是为了后代，我还想强调 spread 的 sep 参数。如果不是NULL，它将用作键名和值之间的分隔符：

mydf %>% 
 spread(key = year, value = value, sep = "")
#  id   year2012  year2013
#1  1 0.15608322 0.6886531
#2  2 0.04598124 0.0792947
#3  3 0.16835445 0.1744542

这并不完全符合问题的要求，但足以满足我的目的。见?spread。

使用 tidyr 1.0.0 更新：tidyr 1.0.0 现在引入了pivot_wider（和pivot_longer），它允许在这方面通过参数names_sep 和@987654329 进行更多控制@。所以现在的电话是：

mydf %>% 
  pivot_wider(names_from = year, values_from = value,
              names_prefix = "year")
# # A tibble: 3 x 3
#        id year2012 year2013
#     <int>    <dbl>    <dbl>
#   1     1    0.347    0.388
#   2     2    0.565    0.924
#   3     3    0.406    0.296

要准确获得最初想要的内容（仅前缀“y”），您现在当然可以直接通过 names_prefix = "y" 直接获得。

names_sep 用于您收集多个列的情况，如下所示，我在数据中添加了季度：

# Add quarters to data
mydf2 <- data.frame(
  id = rep(1:3, each = 8), 
  year = rep(rep(c(2012, 2013), each = 4), 3), 
  quarter  = rep(c("Q1","Q2","Q3","Q4"), 3),
  value = runif(24)
)
head(mydf2)
# id year quarter     value
# 1  1 2012      Q1 0.8651470
# 2  1 2012      Q2 0.3944423
# 3  1 2012      Q3 0.4580580
# 4  1 2012      Q4 0.2902604
# 5  1 2013      Q1 0.4751588
# 6  1 2013      Q2 0.6851755

mydf2 %>% 
  pivot_wider(names_from = c(year, quarter), values_from = value,
              names_sep = "_", names_prefix = "y")
# # A tibble: 3 x 9
#      id  y2012_Q1  y2012_Q2  y2012_Q3  y2012_Q4  y2013_Q1  y2013_Q2  y2013_Q3  y2013_Q4 
#   <int>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>
# 1     1     0.865     0.394     0.458    0.290      0.475     0.685     0.213     0.920
# 2     2     0.566     0.614     0.509    0.0515     0.974     0.916     0.681     0.509
# 3     3     0.968     0.615     0.670    0.748      0.723     0.996     0.247     0.449

Answer 2

您可以将backticks 用于以数字开头的列名，filter 应该可以正常工作

  mydf %>%
      spread(year, value) %>%
      filter(`2012` > 0.5)
  #  id      2012      2013
  #1  3 0.8453762 0.3346603

或者另一种选择是在使用字符串“y”创建第二列“year1”后，使用unite 将两列连接到一个列。

  mydf %>%
     mutate(year1='y') %>%
     unite(yearN, year1, year) %>%
     spread(yearN, value) %>%
     filter(y_2012 > 0.5)
 #   id    y_2012    y_2013
 #1  3 0.8453762 0.3346603

我们甚至可以使用paste 更改mutate 中的“年份”列

 mydf %>%
     mutate(year=paste('y', year, sep="_")) %>%
     spread(year, value) %>%
     filter(y_2012 > 0.5)

Answer 3

另一种选择是使用setNames() 函数作为管道中的下一个功能：

mydf %>%
    spread(mydf, year, value) %>%
    setNames( c("id", "y2012", "y2013") ) %>%
    filter(y2012 > 0.5)

使用 setNames 的唯一问题是，当您 spread() 时，您必须确切地知道您的列将是什么。大多数时候，这不是问题，尤其是在您以半交互方式工作时。

但是，如果您在原始数据中缺少键/值对，则它可能不会显示为列，并且您最终可能会在不知情的情况下错误地命名列。当然，如果名称的数量与列的数量不匹配，setNames() 将引发错误，因此您内置了一些错误检查。

不过，对于我来说，使用 setNames() 的便利性往往大于风险。

Answer 4

使用spread() 的继任者pivot_wider()，我们可以为创建的列添加前缀：

library(tidyr)
set.seed(1)
mydf <- data.frame(
  id = rep(1:3, rep(2,3)), 
  year = rep(c(2012, 2013), 3), 
  value = runif(6)
)

pivot_wider(mydf, names_from = "year", values_from = "value", names_prefix = "y")
#> # A tibble: 3 x 3
#>      id y2012 y2013
#>   <int> <dbl> <dbl>
#> 1     1 0.266 0.372
#> 2     2 0.573 0.908
#> 3     3 0.202 0.898

^{由reprex package (v0.3.0) 于 2019-09-14 创建}

Answer 5

dplyr 中的 rename() 应该可以解决问题

library(tidyr); library(dplyr)
mydf %>%
  spread(year,value)%>%
  rename(y2012 = '2012',y2013 = '2013')%>%
  filter(y2012>0.5)