这是一个示例数据框。我的真实数据框更大。我非常喜欢 tidyverse 解决方案。
#my data
age <- c(18,18,19)
A1 <- c(3,5,3)
A2 <- c(4,4,3)
B1 <- c(1,5,2)
B2 <- c(2,2,5)
df <- data.frame(age, A1, A2, B1, B2)
我希望我的数据如下所示：
#what i want
new_age <- c(18,18,18,18,19,19)
A <- c(3,5,4,4,3,3)
B <- c(1,5,2,2,2,5)
new_df <- data.frame(new_age, A, B)
我想旋转更长的时间并将 A1:A2 列堆叠到 A 列中，将 B1:B2 列堆叠到 B 列中。我还希望得到与正确年龄相匹配的响应。例如，本例中 19 岁的人在 A1:A2 列中只回答了 3。
【问题讨论】：
tidyr::pivot_longer(df, cols = -age, names_to = c(".value",'groupid'),
#1+ non digits followed by 1+ digits
names_pattern = "(\\D+)(\\d+)")
# A tibble: 6 x 4
age groupid A B
<dbl> <chr> <dbl> <dbl>
1 18 1 3 1
2 18 2 4 2
3 18 1 5 5
4 18 2 4 2
5 19 1 3 2
6 19 2 3 5
【讨论】：
在 Base R 中，您将使用 reshape，然后选择您想要的列。您也可以更改行名
reshape(df,2:ncol(df),dir = "long",sep="")[,-c(2,5)] #
age A B
1.1 18 3 1
2.1 18 5 5
3.1 19 3 2
1.2 18 4 2
2.2 18 4 2
3.2 19 3 5
【讨论】：
由于您拥有更大的数据框，因此data.table 的解决方案可能会更快。在这里，您可以使用 data.table 包中的 melt 函数，如下所示：
library(data.table)
colA = grep("A",colnames(df),value = TRUE)
colB = grep("B",colnames(df),value = TRUE)
setDT(df)
df <- melt(df, measure = list(colA,colB), value.name = c("A","B"))
df[,variable := NULL]
dt <- dt[order(age)]
age A B
1: 18 3 1
2: 18 5 5
3: 18 4 2
4: 18 4 2
5: 19 3 2
6: 19 3 5
它回答了你的问题吗？
编辑：使用模式 - @Wimpel 的建议
正如@Wimpel 在 cmets 中建议的那样，您可以使用模式获得相同的结果：
melt( setDT(df), measure.vars = patterns( A="^A[0-9]", B="^B[0-9]") )[, variable:=NULL][]
age A B
1: 18 3 1
2: 18 5 5
3: 19 3 2
4: 18 4 2
5: 18 4 2
6: 19 3 5
【讨论】：
patterns 喜欢：melt( setDT(df), measure.vars = patterns( A="^A[0-9]", B="^B[0-9]") )[, variable:=NULL][]