通过分组变量 r 扩展二进制变量答案

【问题标题】：spreading a binary variable by a grouping variable r通过分组变量 r 扩展二进制变量
【发布时间】：2018-07-18 07:48:30
【问题描述】：

我有一个数据集 (DF)，如下所示：

   ID DOB      Age Outcome    
   1  1/01/80  18     1
   1  1/01/80  18     0
   2  1/02/81  17     1
   2  1/02/81  17     0
   3  1/03/70  28     1

我想将我的数据库更改为宽格式，以便每个 ID 有一行。但是，鉴于每个 ID 的 DOB 和 Age 都相同，我希望这些变量在新数据库中成为单列，并且只为 Outcome 变量提供多列，如下所示：

   ID DOB      Age Outcome.1 Outcome.2    
   1  1/01/80  18     1         0
   2  1/02/81  17     1         0
   3  1/03/70  28     1         NA

我尝试过使用 tidyr 和 reshape，但我似乎无法将数据库转换为这种格式。例如当我使用代码时：

spread(DF, key=ID, value = Outcome)

我收到一个错误，表明我有重复的行标识符。有没有办法让数据库变成我想要的格式？

谢谢。

【问题讨论】：

stackoverflow.com/questions/45898614/… 或 stackoverflow.com/questions/43259380/… 或 stackoverflow.com/questions/25960394/… 可能重复。

标签： r reshape reshape2

【解决方案1】：

可以通过以下步骤使用tidyverse 来实现一个解决方案。想法是将row number 添加到列中，以便为每一行提供唯一的ID。之后有不同的方式申请spread。

df <- read.table(text = "ID DOB      Age Outcome    
1  1/01/80  18     1
1  1/01/80  18     0
2  1/02/81  17     1
2  1/02/81  17     0
3  1/03/70  28     1", header = T, stringsAsFactors = F)

library(tidyverse)

df %>% mutate(rownum = row_number(), Outcome = paste("Outcome",Outcome,sep=".")) %>%
  spread(Outcome, rownum) %>%
  mutate(Outcome.0 = ifelse(!is.na(Outcome.0),0, NA )) %>%
  mutate(Outcome.1 = ifelse(!is.na(Outcome.1),1, NA ))

# Result:
#  ID     DOB Age Outcome.0 Outcome.1
#1  1 1/01/80  18         0         1
#2  2 1/02/81  17         0         1
#3  3 1/03/70  28        NA         1

【讨论】：

【解决方案2】：

dcast 函数用于这样的事情。

dcast(data, ID + DOB + Age ~ Outcome)

【讨论】：

谢谢。效果很好。如果我想传播多个结果变量会怎样？
您将在等式的右侧添加另一个值。所以：dcast(data, ID + DOB + Age ~ Outcome + var2)
这不起作用，它传播了 Outcome 和 var2 的值，以便我得到与两个变量的交叉表相对应的值。所以，假设我对 Outcome 的值是 1 和 0，而我对 var2 的值是“是”和“否”。我在结果数据集“1yes”、“0yes”、“1no”、“0no”中得到以下列名。我想将每个值分开。类似“1”、“0”、“是”、“否”。

【解决方案3】：

您可以使用tidyr 和dplyr：

   DF %>%
      group_by(ID) %>%
      mutate(OutcomeID = paste0('Outcome.', row_number())) %>%
      spread(OutcomeID, Outcome)

【讨论】：