使用 for 循环进行数据清理

Question

我正在重组包含血压读数的变量。每个读数包含由正斜杠 (/) 分隔的收缩压和舒张压值。对于此示例，每行（即每人）有三个读数。

我想要的输出是每个读数的收缩压和舒张压值都有单独的变量。

以下是 csv 格式的数据示例：

id,v1,v2,v3  
1,116 / 77,121 / 68,105 / 76  
2,164 / 67,171 / 79,155 / 68  
3,146 / 109,,  
4,120 / 80,102 / 64,137 / 87   
5,112 / 50,130 / 40,  

加载 tidyverse 后，我可以对每个读数使用单独的方法来执行此操作，例如，

blPr <- read_csv('BlPr.csv')  
blPr <- blPr %>% separate (v1 , c('v1_sys' , 'v1_dias') , sep = '/' , remove = FALSE) 

但是，由于实际数据集每人有多个读数，因此我试图通过使用 for 循环来消除多行。在查看了网络上的一些示例后，我尝试了：

for (i in 1:3) {  
  blPr <- blPr %>% separate (v[i] , c('v[i]_sys' , 'v[i]_dias') , sep = '/' ,   remove = FALSE)  
}  

返回错误信息：

Error in eval_tidy(enquo(var), var_env) : object 'v' not found

我已经以多种方式修改了代码，但由于我不明白哪里出了问题，所以我一无所获。

Answer 1

我看到有人的答案刚刚被接受，但无论如何我都会发布我的。如果要以尽可能少的方式更改您的代码，可以采用以下方法：

for (i in 1:3) {
  blPr <- blPr %>% 
    separate(paste0('v', i), c(paste0('v', i, '_sys'), paste0('v', i, '_dias')), sep = ' / ', remove = F)
}

简短的解释（希望）帮助您理解为什么您的代码不起作用： 您可以使用不带引号的变量（即列）名称作为 tidyverse 参数，但这些不是引用透明的。这意味着您的代码在blPr 内寻找名为v 的列字面意思，但显然没有找到。有时，尽管据我所知并非总是如此，tidyverse 动词（例如separate）接受带有列名的字符串来表示这些列——我在上面的代码中使用的特性（注意'v' 是一个字符串）。如需更多信息，您可以阅读 tidy evaluation、quasi-quotation 等。

Answer 2

下面的代码有效...

# Create dataframe
blPr = read.table(text = '
id,v1,v2,v3  
1,116 / 77,121 / 68,105 / 76  
2,164 / 67,171 / 79,155 / 68  
3,146 / 109,,
4,120 / 80,102 / 64,137 / 87   
5,112 / 50,130 / 40,
', header = T, sep = ",")

library(tidyr)

for (i in c(1:3)){
eval(parse(text=paste0(  
"blPr <- blPr %>% separate (v",i," , c('v",i,"_sys' , 'v",i,"_dias') , sep = '/' , remove = FALSE)"
)))
}

Answer 3

您可以做的是保留所有读数并将数据整理成一个整洁的格式：

result <- data %>%
    gather("reading", "value", -id) %>%
    mutate(value = trimws(value),
           value = ifelse(value == "", NA_character_, value)) %>%
    arrange(id, reading) %>%
    separate(value, c("systolic", "diastolic"), "/", convert = TRUE)


> head(result)
   id reading systolic diastolic
1   1      v1      116        77
2   1      v2      121        68
3   1      v3      105        76
4   2      v1      164        67
5   2      v2      171        79
6   2      v3      155        68

你可以更进一步，a) 删除 NA，b) 把它变成长格式：

result_long <- result %>%
    filter(complete.cases(.)) %>%
    gather("reading_type", "value", -id, -reading) %>% 


> head(result_long)
   id reading reading_type value
1   1      v1     systolic   116
2   1      v2     systolic   121
3   1      v3     systolic   105
4   2      v1     systolic   164
5   2      v2     systolic   171
6   2      v3     systolic   155

整洁的格式让整理和绘制数据变得非常容易。将它们恢复为人类可读的形式也很容易。 result 中选择的格式可能是人类可读和易于处理之间的一个很好的折衷。

绘图

library(ggplot)

ggplot(result_long) + 
    geom_point(aes(reading, value, color = reading_type, group = reading_type)) +
    geom_line(aes(reading, value, color = reading_type, group = reading_type)) +
    facet_wrap(id ~ .)

将数据放入宽格式

result_wide <- result_long %>% 
    spread("reading_type", "value", drop = TRUE) %>%
    unite("value", c("systolic", "diastolic"), sep = " / ") %>%
    spread("reading", "value")


> result_wide
  id        v1       v2       v3
1  1  116 / 77 121 / 68 105 / 76
2  2  164 / 67 171 / 79 155 / 68
3  3 146 / 109     <NA>     <NA>
4  4  120 / 80 102 / 64 137 / 87
5  5  112 / 50 130 / 40     <NA>

数据

library(tidyverse)

data <- read.table(text = '
id,v1,v2,v3  
1,116 / 77,121 / 68,105 / 76  
2,164 / 67,171 / 79,155 / 68  
3,146 / 109,,
4,120 / 80,102 / 64,137 / 87   
5,112 / 50,130 / 40,
', header = T, sep = ",")