我们如何一次将 tidyr:: spread() 应用于所有分类变量，为每个分类变量的每个级别创建新列？ [复制]

Question

我有一个包含 3 个分类变量 (x,y,z) 以及一个 ID 列的数据框：

df <- frame_data(
  ~id, ~x, ~y, ~z,
  1, "a", "c" ,"v",
  1, "b", "d", "f",
  2, "a", "d", "v",
  2, "b", "d", "v")

我想将spread() 应用于ID 的每个分类变量组。

输出应该是这样的：

id  a  b  c  d  v  f
1  1  1  1  1  1  1
2  1  1  0  2  2  0

我尝试过这样做，但我一次只能为一个变量而不是全部一起这样做。

例如：仅对y 列应用展开（类似地，可以分别对x 和z 进行）但不能在一行中一起使用

df %>% count(id,y) %>% spread(y,n,fill=0)
# A tibble: 2 x 3
id     c     d
<dbl> <int> <int>
1.00     1     1
2.00     0     2

分三步解释我的代码：

第1步：计数频率

df %>% count(id,y)    
id     y         n
<dbl> <chr> <int>
1.00   c     1
1.00   d     1
2.00   d     2

第二步：申请spread()

df %>% count(id,y) %>% spread(y,n)
# A tibble: 2 x 3
id     c     d
<dbl> <int> <int>
1  1.00     1     1
2  2.00    NA     2

第 3 步：添加 fill = 0 ，替换 NA，这意味着在 id 2 的 y 列中 c 的出现次数为零（如您在 df 中看到的那样）

df %>% count(id,y) %>% spread(y,n,fill=0)
# A tibble: 2 x 3
id     c     d
<dbl> <int> <int>
1.00     1     1
2.00     0     2

问题：在我的实际数据集中，我有20个这样的分类变量，我不能一一做。我希望一次完成所有工作。 是否可以将spread() 应用于tidyr 中的所有分类变量？如果不能，请您提出替代方案

注意：我也尝试了这些答案，但对这种特殊情况没有帮助：

• R spreading multiple columns with tidyr
• Is it possible to use spread on multiple columns in tidyr similar to dcast?
• Can spread() in tidyr spread across multiple value?
• Expanding columns associated with a categorical variable into multiple columns with dplyr/tidyr while retaining id variable

其他相关的有用问题：

两个分类列（例如：调查数据集）可能具有相同的值。如下所示。

df <- frame_data(
  ~id, ~Do_you_Watch_TV, ~Do_you_Drive, 
  1, "yes", "yes",
  1, "yes", "no",
  2, "yes", "no",
  2, "no", "yes")

# A tibble: 4 x 3
id Do_you_Watch_TV Do_you_Drive
<dbl> <chr>           <chr>       
  1  1.00 yes             yes         
2  1.00 yes             no          
3  2.00 yes             no          
4  2.00 no              yes 

运行以下代码不会区分“Do_you_Watch_TV”、“Do_you_Drive”的“是”和“否”：

df %>% gather(Key, value, -id) %>% 
  group_by(id, value) %>%
  summarise(count = n())  %>%
  spread(value, count, fill = 0) %>%
  as.data.frame()
id no yes
1  1   3
2  2   2

Whereas, expected output should be :
id Do_you_Watch_TV_no   Do_you_Watch_TV_yes  Do_you_Drive_no   Do_you_Drive_yes
1         0               2                    1                 1
2         1               1                    1                 1

所以，我们需要通过添加前缀来分别处理 Do_you_Watch_TV 和 Do_you_Drive 中的 No 和 Yes。 Do_you_Drive_yes ， Do_you_Drive_no ， Do_you_Watch_TV _yes ， Do_you_Watch_TV _no 。

我们怎样才能做到这一点？

谢谢

Answer 1

首先，您需要先将数据框转换为长格式，然后才能真正将其转换为宽格式。因此，首先您需要使用tidyr::gather 并将数据帧转换为长格式。之后，您有几个选择：

选项#1：使用tidyr::spread：

#data
df <- frame_data(
  ~id, ~x, ~y, ~z,
  1, "a", "c" ,"v",
  1, "b", "d", "f",
  2, "a", "d", "v",
  2, "b", "d", "v")

library(tidyverse)
df %>% gather(Key, value, -id) %>% 
  group_by(id, value) %>%
  summarise(count = n())  %>%
  spread(value, count, fill = 0) %>%
  as.data.frame()

#   id a b c d f v
# 1  1 1 1 1 1 1 1
# 2  2 1 1 0 2 0 2

选项#2：另一个选项可以是使用reshape2::dcast：

library(tidyverse)
library(reshape2)

df %>% gather(Key, value, -id) %>% 
  dcast(id~value, fun.aggregate = length)

#   id a b c d f v
# 1  1 1 1 1 1 1 1
# 2  2 1 1 0 2 0 2

已编辑：包含第二个数据框的解决方案。

#Data
df1 <- frame_data(
  ~id, ~Do_you_Watch_TV, ~Do_you_Drive, 
  1, "yes", "yes",
  1, "yes", "no",
  2, "yes", "no",
  2, "no", "yes")

library(tidyverse)
df1 %>% gather(Key, value, -id) %>% unite("value", c(Key, value)) %>%
  group_by(id, value) %>%
  summarise(count = n())  %>%
  spread(value, count, fill = 0) %>%
  as.data.frame()

#   id Do_you_Drive_no Do_you_Drive_yes Do_you_Watch_TV_no Do_you_Watch_TV_yes
# 1  1               1                1                  0                   2
# 2  2               1                1                  1                   1