R：使用多个3个时间段变量将宽格式转换为长格式[重复]答案

【问题标题】：R: Converting wide format to long format with multiple 3 time period variables [duplicate]R：使用多个3个时间段变量将宽格式转换为长格式[重复]
【发布时间】：2016-11-25 02:14:46
【问题描述】：

抱歉，如果这是一个简单的问题，但我在搜索后无法找到简单的解决方案。我对 R 相当陌生，并且无法使用 melt (reshape2) 或 gather(tidyr) 函数将宽格式转换为长格式。我正在使用的数据集包含 22 个不同的时间变量，每个变量都有 3 个时间段。当我尝试一次将所有这些从宽格式转换为长格式时，就会出现问题。我在单独转换它们方面取得了成功，但这是一个非常低效且漫长的过程，所以我想知道是否有人可以提出一个更简单的解决方案。下面是我创建的示例数据集，其格式与我正在使用的数据集类似：

Subject <- c(1, 2, 3)
BlueTime1 <- c(2, 5, 6)
BlueTime2 <- c(4, 6, 7)
BlueTime3 <- c(1, 2, 3)
RedTime1 <- c(2, 5, 6)
RedTime2 <- c(4, 6, 7)
RedTime3 <- c(1, 2, 3)
GreenTime1 <- c(2, 5, 6)
GreenTime2 <- c(4, 6, 7)
GreenTime3 <- c(1, 2, 3)

sample.df <- data.frame(Subject, BlueTime1, BlueTime2, BlueTime3,
                    RedTime1, RedTime2, RedTime3,
                    GreenTime1,GreenTime2, GreenTime3)

一个对我有用的解决方案是使用 tidyr 的收集功能，按主题排列数据（以便将每个主题的数据分组在一起），然后仅选择主题、时间段和评级。这是为每个变量完成的（在我的例子中是 22）。

install.packages("dplyr")
install.packages("tidyr")
library(dplyr)
library(tidyr)

BlueGather <- gather(sample.df, Time_Blue, Rating_Blue, c(BlueTime1,
                                                          BlueTime2,
                                                          BlueTime3))
BlueSorted <- arrange(BlueGather, Subject)

BlueSubtracted <- select(BlueSorted, Subject, Time_Blue, Rating_Blue)

在这段代码之后，我将所有内容合并到一个数据框中。这对我来说似乎非常缓慢且效率低下，并希望有人可以帮助我找到更简单的解决方案。谢谢！

【问题讨论】：

标签： r dplyr reshape2 tidyr melt

【解决方案1】：

我们可以使用data.table 中的melt，它可以将多个measure 列作为正则表达式pattern

library(data.table)
melt(setDT(sample.df), measure = patterns("^Blue", "^Red", "^Green"), 
     value.name = c("BlueTime", "RedTime", "GreenTime"), variable.name = "time")
#   Subject time BlueTime RedTime GreenTime
#1:       1    1        2       2         2
#2:       2    1        5       5         5
#3:       3    1        6       6         6
#4:       1    2        4       4         4
#5:       2    2        6       6         6
#6:       3    2        7       7         7
#7:       1    3        1       1         1
#8:       2    3        2       2         2
#9:       3    3        3       3         3

或者正如 cmets 中提到的@StevenBeaupré，如果有很多模式，一种选择是在提取子字符串作为patterns 参数后使用数据集的names

melt(setDT(sample.df), measure = patterns(as.list(unique(sub("\\d+", "", 
         names(sample.df)[-1])))),value.name = c("BlueTime", "RedTime", 
          "GreenTime"), variable.name = "time")

【讨论】：

OP 说他有 22 个不同的时间变量，每个时间段分别是 3 个时间段我认为我们应该提供一个解决方案，而无需明确提及颜色。
@StevenBeaupré 此解决方案基于他提供的示例。由于它只有 22 个变量，patterns 仍然可以接受它..
是的，我知道，对于为此提供 +1 的示例，这是一个非常合法的解决方案。但由于他清楚地提到他的实际用例有很多时间变量，我认为我们应该考虑到这一点，以便为 OP 提供一个非常适合他的实际应用程序的答案。
@StevenBeaupré 谢谢，老实说，我没有阅读说明，我正在关注您解决方案中的输出。
@StevenBeaupré 感谢您的想法。我更新了。

【解决方案2】：

这里的想法是gather()所有时间变量（除Subject之外的所有变量），在key上使用separate()将它们拆分为label和time然后spread() label 和 value 以获得所需的输出。

library(dplyr)
library(tidyr)

sample.df %>%
  gather(key, value, -Subject) %>%
  separate(key, into = c("label", "time"), "(?<=[a-z])(?=[0-9])") %>%
  spread(label, value)

这给出了：

#  Subject time BlueTime GreenTime RedTime
#1       1    1        2         2       2
#2       1    2        4         4       4
#3       1    3        1         1       1
#4       2    1        5         5       5
#5       2    2        6         6       6
#6       2    3        2         2       2
#7       3    1        6         6       6
#8       3    2        7         7       7
#9       3    3        3         3       3

注意

在这里，我们使用@RichardScriven 的answer 中的separate() 中的regex 来拆分第一个遇到的数字的列。

编辑

我从您的 cmets 了解到，您的数据集列名称实际上采用 ColorTime_Pre、ColorTime_Post、ColorTime_Final 的形式。如果是这种情况，您不必在 separate() 中指定正则表达式，因为默认的 sep = "[^[:alnum:]]+" 将匹配您的 _ 并相应地将密钥拆分为 label 和 time：

sample.df %>%
  gather(key, value, -Subject) %>%
  separate(key, into = c("label", "time")) %>%
  spread(label, value)

将给予：

#  Subject  time BlueTime GreenTime RedTime
#1       1 Final        1         1       1
#2       1  Post        4         4       4
#3       1   Pre        2         2       2
#4       2 Final        2         2       2
#5       2  Post        6         6       6
#6       2   Pre        5         5       5
#7       3 Final        3         3       3
#8       3  Post        7         7       7
#9       3   Pre        6         6       6

【讨论】：

谢谢！您能否更详细地了解code (?code 的作用？我假设 0-9 是针对主题的……但否则我有点困惑。
@Eugene 查看更新

【解决方案3】：

如果您的目标是将三种颜色转换为长颜色，则可以使用基本 R reshape 函数来完成：

reshape(sample.df, idvar="subject", varying=2:length(sample.df), sep="", direction="long")
    Subject time BlueTime RedTime GreenTime subject
1.1       1    1        2       2         2       1
2.1       2    1        5       5         5       2
3.1       3    1        6       6         6       3
1.2       1    2        4       4         4       1
2.2       2    2        6       6         6       2
3.2       3    2        7       7         7       3
1.3       1    3        1       1         1       1
2.3       2    3        2       2         2       2
3.3       3    3        3       3         3       3

时间变量捕获宽变量名称中的 1,2,3。可变参数告诉reshape 哪些变量应该被转换为长变量。 sep 参数告诉reshape 在可变变量末尾查找不被任何字符分隔的数字，而direction 参数告诉函数尝试长转换。

我总是添加 id 变量，即使它对以后的参考没有必要。

如果您的 data.frame 实际上没有时间变量的数字，一个相当简单的解决方案是更改变量名称以便它们有。例如，以下内容会将任何此类变量末尾的“_Pre”替换为“1”。

names(df)[grep("_Pre$", names(df))] <- gsub("_Pre$", "1",
                                            names(df)[grep("_Pre$", names(df))])

【讨论】：

感谢您的快速回复！我在将其应用于我的真实数据集时遇到了一些麻烦。我收到以下错误：`code` [tmp, , v.names[i], value = c(1.28571428571429, : column name "" cannot匹配任何列code 作为参考，我的数据集中的变量实际上并没有时间数字。我应该在模拟数据中明确说明。每个时间变量都以 _Pre、_Post 和 _Final 结尾。
我将发布解决此问题的建议方法。