如何将值移动到 R 中的正确列中？答案

【问题标题】：How to move values into correct column in R?如何将值移动到 R 中的正确列中？
【发布时间】：2023-01-03 01:12:00
【问题描述】：

初学者：我有一个如下所示的数据框：

Name   Col_1     Col_2          Col_3      Col_4
abc    Website   https://LINK1  Twitter    https://LINK4
def    Email     https://LINK2  Facebook   https://LINK5
ghj    Document  https://LINK3  Website    https://LINK6

我想为 Col_1 和 Col_3（又名网站、电子邮件、文档、Twitter 和 Facebook）中的值创建列，将 Col_2 和 Col_4 中的链接移动到相应的列中。输出应如下所示：

Names  Website        Email           Document        Twitter        Facebook
abc    https://LINK1  NA              NA              https://LINK4  NA
def    NA             https://LINK2   NA              NA             https://LINK5
ghj    https://LINK6  NA              https://LINK3   NA             NA

我怎样才能做到这一点？谢谢！

【问题讨论】：

标签： r transpose

【解决方案1】：

这种输出格式与所有整洁的数据约定相悖，我花了很多时间才把它弄好。

不是最漂亮的，但它完成了工作

library(data.table)
mydata <- read.table(text = "Col_1     Col_2          Col_3      Col_4
Website   https://LINK1  Twitter    https://LINK4
Email     https://LINK2  Facebook   https://LINK5
Document  https://LINK3  Website    https://LINK6", header = TRUE)

#split in chunks of 2 columns
L <- split.default(mydata, f = 2:(ncol(mydata) + 1) %/% 2)
# bind rows together
DT <- data.table::rbindlist(L, use.names = FALSE)
# split to list by Col_1
L2 <- split(DT, by = "Col_1", keep.by = FALSE)
# make vectors
L3 <- unlist(lapply(L2, c), recursive = FALSE)
# make lengts equal
L4 <- lapply(L3, `length<-`, max(lengths(L3)))
# colbind
ans <- Reduce(cbind, L4)
# set colnames
colnames(ans) <- names(L2)
# make data.frame
as.data.frame(ans)
#         Website         Email      Document       Twitter      Facebook
# 1 https://LINK1 https://LINK2 https://LINK3 https://LINK4 https://LINK5
# 2 https://LINK6          <NA>          <NA>          <NA>          <NA>

【讨论】：

效果很好@Wimpel，谢谢！我对数据框进行了一些编辑，以包含我想保留在输出中的“名称”列，并将链接排序到正确的列中 - 对此感到抱歉，但您知道如何将其合并以获取新输出吗？

【解决方案2】：

这是一个选项，使用两次 pivot_wider 和 coalesce 一旦重复的网站列如下所示：

library(dplyr)
library(tidyr)
df %>%
  pivot_wider(names_from = Col_1, values_from = Col_2) %>%
  pivot_wider(names_from = Col_3, values_from = Col_4, names_repair = "unique") %>%
  mutate(Website = coalesce(`Website...2`, `Website...7`)) %>%
  select(-c(`Website...2`, `Website...7`)) 
#> New names:
#> • `Website` -> `Website...2`
#> • `Website` -> `Website...7`
#> # A tibble: 3 × 6
#>   Name  Email         Document      Twitter       Facebook      Website      
#>   <chr> <chr>         <chr>         <chr>         <chr>         <chr>        
#> 1 abc   <NA>          <NA>          https://LINK4 <NA>          https://LINK1
#> 2 def   https://LINK2 <NA>          <NA>          https://LINK5 <NA>         
#> 3 ghj   <NA>          https://LINK3 <NA>          <NA>          https://LINK6

^{创建于 2023-01-02 reprex v2.0.2}

【讨论】：