使用 dplyr 和 tidyr 制作更复杂的表答案

【问题标题】：Making more complex tables using dplyr and tidyr使用 dplyr 和 tidyr 制作更复杂的表
【发布时间】：2017-12-21 14:06:27
【问题描述】：

我有一个看起来像这样的数据集，尽管实际示例有更多列。只有一排（目前）。

Results <- structure(list(PCV2_CT_Min = 7.15, PPV2_CT_Min = 11.4, PPV3_CT_Min = 8.6, 
PPV4_CT_Min = 16.3, PPV_CT_Min = 29.58, NI_BOCA_CT_Min = 20.51, 
SW_BOCA_CT_Min = 23.49, PCV2_CT_Count = 695L, PPV2_CT_Count = 695L, 
PPV3_CT_Count = 695L, PPV4_CT_Count = 695L, PPV_CT_Count = 695L, 
NI_BOCA_CT_Count = 695L, SW_BOCA_CT_Count = 695L),
.Names = c("PCV2_CT_Min", "PPV2_CT_Min", "PPV3_CT_Min", "PPV4_CT_Min", "PPV_CT_Min", "NI_BOCA_CT_Min", "SW_BOCA_CT_Min", "PCV2_CT_Count", "PPV2_CT_Count", "PPV3_CT_Count", "PPV4_CT_Count", "PPV_CT_Count", "NI_BOCA_CT_Count", "SW_BOCA_CT_Count"),
row.names = c(NA, -1L), class = c("tbl_df", "tbl", "data.frame"))

每个列名由一个变量名和一个函数名组成，所以PCV2_CT_Min是PCV2病毒测试的最小计数（CT）； PCV_CT_Count 是测试的动物总数，以此类推。

它是通过在另一个数据集上运行 dplyr 中的 summarize_all 生成的，该数据集是对猪的个体病毒测试，使用的是此代码的更长版本：-

V <- Pig %>%
     select(ends_with('CT')) %>% 
     summarise_all(funs(Min = min(.,na.rm=TRUE),
     Count = n()))

在实际示例中，有更多的函数，并且它们采用不同的参数。我想最终得到的是这样的数据框：-

Parameter PCV_CT PPV2_CT PPV3_CT PPV4_CT PPV_CT NI_BOCA_CT SW_BOCA_CT
Min       7.15   11.4    8.6     16.3    29.58  20.51     23.49
Count     695    695     695     695     695    695       695

我原以为有一种简单的方法可以做到这一点，也许可以使用 tidyr 中的 seperate 命令，但我绞尽脑汁，搜索了 SO，然后更广泛的网络，并查看了 tidyr 文档，但均无济于事。我认为答案应该很明显，但我看不到。

我将不胜感激。

【问题讨论】：

标签： r dplyr reshape

【解决方案1】：

你需要把gather所有的列，separate的名字改成你想要的相关部分，然后spread把数据改成宽格式：

library(tidyverse)
Results %>% 
  gather(var, val, everything()) %>% 
  extract(var, into = c("var", "measure"), regex = "(.*)_(Min|Count)") %>% 
  spread(var, val)
# # A tibble: 2 x 8
#   measure NI_BOCA_CT PCV2_CT PPV_CT PPV2_CT PPV3_CT PPV4_CT SW_BOCA_CT
# *   <chr>      <dbl>   <dbl>  <dbl>   <dbl>   <dbl>   <dbl>      <dbl>
# 1   Count     695.00  695.00 695.00   695.0   695.0   695.0     695.00
# 2     Min      20.51    7.15  29.58    11.4     8.6    16.3      23.49

要拆分的更通用的正则表达式可能是regex = "(.*)_(.*)"，如果您使用了多个其他摘要函数，这可能会很有用。

我知道您有理由以这种形式保存您的数据，但这与您实际应该查看的内容有些相反。理想情况下，让您的列包含所有相同类型度量的数据更有意义....

【讨论】：

使用tidyr::extract 比使用tidyr::separate 有什么优势？
数据很混乱，但在 R 中不容易生成这类表格的一个领域是，这或它的一些变体似乎是最简单的方法。你的回答很有帮助，我会继续努力的。谢谢！
@jdobres, extract 将允许您指定不同的捕获组，而separate 更像是strsplit 进入新列。如果所有变量都有相同数量的下划线，则使用separate 会更容易。

【解决方案2】：

使用基数 R/reshape2 的两个不同想法可能是：

拆分和堆叠：

dfs <- lapply(c("Min", "Count"), function(x) {
        res <- Results[, grepl(x, names(Results))]
        res <- setNames(res, gsub(paste0("_", x), "", names(res)))
        res$measure <- x
        return(res)
      })
do.call(rbind, dfs)

# A tibble: 2 x 8
#  PCV2_CT PPV2_CT PPV3_CT PPV4_CT PPV_CT NI_BOCA_CT SW_BOCA_CT measure
#    <dbl>   <dbl>   <dbl>   <dbl>  <dbl>      <dbl>      <dbl>   <chr>
#1    7.15    11.4     8.6    16.3  29.58      20.51      23.49     Min
#2  695.00   695.0   695.0   695.0 695.00     695.00     695.00   Count

融化和 dcast：

library(reshape2)
melted <- melt(data.frame(Results))
melted$measure <- gsub(".*_(Min|Count)", "\\1", melted$variable)
melted$variable <- gsub("_(Min|Count)", "", melted$variable)
dcast(melted, measure ~ variable)

#  measure NI_BOCA_CT PCV2_CT PPV_CT PPV2_CT PPV3_CT PPV4_CT SW_BOCA_CT
#1   Count     695.00  695.00 695.00   695.0   695.0   695.0     695.00
#2     Min      20.51    7.15  29.58    11.4     8.6    16.3      23.49

【讨论】：