重复标识符 - 如何使用 Tidyverse 在列中动态传播重复值答案

【问题标题】：Duplicate Identifiers - How to Dynamically Spread Repeating Values in a Column using Tidyverse重复标识符 - 如何使用 Tidyverse 在列中动态传播重复值
【发布时间】：2018-04-19 04:33:45
【问题描述】：

library(tidyverse)

这个问题的灵感来自 Jake Kaupp 对问题 “tidyr/dplyr - 为重复的 ids 传播多个变量”的回答。使用提供的示例数据（底部），我希望每行只有一个 ID，但是有一些重复 ID 的实例（148 和 188）。由于有不同的电话号码，我想动态地分散这些号码，以便每个号码都有一列。在我的真实数据集中，我不确定会有多少重复的 ID，这会不断变化。我想在 Tidyverse 中完成所有这些，但我被困住了：

首先，我使用下面的代码来找到所需的最大列数...

cols <-Df %>% 
group_by(Id) %>%
group_size() %>% 
max()

接下来，我想做类似下面的代码，但不推荐使用“separate_”。我不确定在这里使用什么？我用 tidyr::spread 尝试了各种尝试，并查看了解决重复标识符的其他选项，例如添加索引列 (mutate(I=row_numbers())，但也无法使其正常工作。

Df%>%
group_by(Id) %>%
separate_("Ph1", paste0("1:3", 1:cols), sep = ",", fill = "right")

有没有一种简单的方法可以做到这一点？动态方面很重要，因为数据集总是会发生变化，最终我想将这部分作为函数的一部分。

样本数据：

Id<-c(199,148,148,145,177,165,144,121,188,188,188,111)
Ph1<-c(6532881717,6572231223,6541132112,6457886543,6548887777,7372222222,6451123425,6783450101,7890986543,6785554444,8764443344,6453348736)
Ph2<-c(NA,NA,NA,NA,NA,7372222222,NA,NA,NA,6785554444,NA,NA)

Df<-data.frame(Id,Ph1,Ph2)

【问题讨论】：

标签： r dplyr tidyr

【解决方案1】：

您可以创建一个新列，为给定 Id 的每个电话号码分配一个唯一 ID，然后使用该新列进行传播。这避免了“重复 id”问题。在传播时，这种方法会根据需要添加尽可能多的列，以容纳每个 Id 的所有唯一电话号码。例如，在下面的代码中，我将新列称为 seq（代表“序列”）：

library(tidyverse)

Df %>% 
  gather(key, value, -Id) %>%
  filter(!is.na(value)) %>% 
  select(-key) %>% 
  group_by(Id) %>% 
  filter(!duplicated(value)) %>% 
  mutate(seq=paste0("Phone_",1:n())) %>% 
  spread(seq, value)

     Id    Phone_1    Phone_2    Phone_3
1   111 6453348736         NA         NA
2   121 6783450101         NA         NA
3   144 6451123425         NA         NA
4   145 6457886543         NA         NA
5   148 6572231223 6541132112         NA
6   165 7372222222         NA         NA
7   177 6548887777         NA         NA
8   188 7890986543 6785554444 8764443344
9   199 6532881717         NA         NA

【讨论】：