选择多列并将宽改成长

Question

我拥有与案例及其联系人相关的广泛数据集。 （这是一个虚构的例子；真实的数据集要大得多）。

structure(list(record_id = structure(1:4, .Label = c("01-001", 
"01-002", "01-003", "01-004"), class = "factor"), place = structure(c(1L, 
2L, 1L, 1L), .Label = c("a", "b"), class = "factor"), sex = structure(c(2L, 
2L, 1L, 2L), .Label = c("F", "M"), class = "factor"), age = c(4L, 
13L, 28L, 44L), d02_1 = c(2L, 2L, NA, 2L), d02_2 = structure(c(3L, 
2L, 1L, 3L), .Label = c("", "F", "M"), class = "factor"), d02_3 = c(27L, 
16L, NA, 66L), d03_1 = c(3L, 3L, NA, 3L), d03_2 = structure(c(3L, 
3L, 1L, 2L), .Label = c("", "F", "M"), class = "factor"), d03_3 = c(14L, 
55L, NA, 12L), d04_1 = c(4L, NA, NA, NA), d04_2 = structure(c(2L, 
1L, 1L, 1L), .Label = c("", "M"), class = "factor"), d04_3 = c(7L, 
NA, NA, NA)), .Names = c("record_id", "place", "sex", "age", 
"d02_1", "d02_2", "d02_3", "d03_1", "d03_2", "d03_3", "d04_1", 
"d04_2", "d04_3"), row.names = c(NA, -4L), class = "data.frame")

地点：

• record_id 是案例的唯一标识
• 地点是案件所在的地方
• age 是病例的年龄

• 性别就是病例的性别

• d02_1, d03_1, d04_1 ... d0j_1 是联系人的 ID

• d02_2, d03_2, d04_2 ... d0j_2 是联系人的性别
• d02_3, d03_3, d04_3 ... d0j_3 是联系人的年龄

在真实数据集中，每个案例可能有很多联系人，以及更多与联系人特征相关的变量。并非所有病例都有接触者。

我想将数据集重塑为整洁的格式，每个案例/联系人一行，即：

         id case place sex age
1    01-001    1     a   M   4
2  01-001-2    0     a   M  27
3  01-001-3    0     a   M  14
4  01-001-4    0     a   M   7
5    01-002    1     b   M  13
6  01-002-2    0     b   F  16
7  01-002-3    0     b   M  55
8    01-003    1     a   F  28
9    01-004    1     a   M  44
10 01-004-2    0     a   M  66
11 01-004-3    0     a   F  12

我认为我需要创建与每个联系人相关的列名向量（可能对列名使用字符匹配），依次选择这些列，并将它们彼此附加（以及连接大小写/联系ID），但在没有大量复制代码行的情况下真的很挣扎。一定是更有效的方法吗？

Answer 1

这是你要找的吗？

这是一个 dplyr 解决方案，由于多种原因而丑陋，但我认为它可以完成工作。

DF <- DF %>%
  rename_(.dots=setNames(names(.), gsub('_1','_ContactID',names(.)))) %>%
  rename_(.dots=setNames(names(.), gsub('_2','_sex',names(.)))) %>%
  rename_(.dots=setNames(names(.), gsub('_3','_age',names(.)))) %>%
  rename(d00_sex=sex,d00_age=age) %>%
  mutate(d00_ContactID=1) %>%
  gather(Var,Val,-record_id,-place) %>%
  mutate(Val =ifelse(Val=='',NA,Val)) %>%
  separate(Var,c('ContactLevel','Var'),sep='_') %>%
  spread(Var,Val) %>%
  arrange(record_id,ContactLevel) %>%
  filter(!is.na(age),!is.na(ContactID),!is.na(sex)) %>%
  mutate(age = as.numeric(age))

为了清楚起见，我首先重命名变量。 （rename_ 行）

接下来，我将您的案例信息变量放入一个一致的模式中，其中案例信息是 ContactID=1。 （ename 和 mutate 行）

Gather 将数据从宽转换为长，但给我们留下了一个非常丑陋的列，并将所有数据转换为字符。 （这是触发警告的丑陋部分。）

separate 将旧列名拆分为联系人 ID 和数据列。

spread 然后将年龄、性别和 ID 再次打开到列中。在这一行，这些数据是您想要的，但仍然可以稍微清理一下。

arrange 不是必需的，但它将所有记录 ID 放在一起。

filter 也不是必须的，它只是删除没有合同信息的行。

最后，我使用mutate 将age 从字符转换为数字。如果你愿意，你也可以在这里把性变成一个因素，也可能是联系 ID。