如何在R中将数据框从行级别重塑为人员级别答案

【问题标题】：How to reshape data frame from a row level to person level in R如何在R中将数据框从行级别重塑为人员级别
【发布时间】：2020-03-14 23:34:57
【问题描述】：

我有以下 Netflix 实验代码，以降低 Netflix 的价格，看看人们看电视是多还是少。每次有人使用 Netflix 时，它都会显示他们观看的内容以及观看时长。

**library(tidyverse)
sample_size <- 10000
set.seed(853)
viewing_data <-
tibble(unique_person_id = sample(x = c(1:100),
size = sample_size,
replace = TRUE),
tv_show = sample(x = c("Broadchurch", "Duty-Shame", "Drive to Survive", "Shetland", "The Crown"),
size = sample_size,
replace = TRUE),
)**

然后我想编写一些代码，将人们随机分配到两组中的一组 - 治疗组和控制组。但是，数据集位于行级别，因为有 1000 个观察值。我想将其更改为 R 中的人员级别，然后我可以签署一个人是否接受治疗。一个人不应该既被治疗又不被治疗。但是，tv_show 为一个人播放了很多次。有谁知道在这种情况下如何重塑数据集？

【问题讨论】：

您希望处理和未处理的数量相等吗？

标签： r dplyr reshape

【解决方案1】：

library(dplyr)
treatment <- viewing_data %>% 
  distinct(unique_person_id) %>% 
  mutate(treated = sample(c("yes", "no"), size = 100, replace = TRUE))

viewing_data %>% 
  left_join(treatment, by = "unique_person_id")

如果需要，您可以更改采样方式...

【讨论】：

【解决方案2】：

您可以执行以下操作，这会按人员 ID 对您的观察结果进行分组，并为每组分配一个独特的“治疗/控制”：

library(dplyr)
viewing_data %>% 
group_by(unique_person_id) %>% 
mutate(group=sample(c("treated","control"),1))

# A tibble: 10,000 x 3
# Groups:   unique_person_id [100]
   unique_person_id tv_show          group  
              <int> <chr>            <chr>  
 1                9 Drive to Survive control
 2               64 Shetland         treated
 3               90 The Crown        treated
 4               93 Drive to Survive treated
 5               17 Duty-Shame       treated
 6               29 The Crown        control
 7               84 Broadchurch      control
 8               83 The Crown        treated
 9                3 The Crown        control
10               33 Broadchurch      control
# … with 9,990 more rows

我们可以检查我们的结果，所有的 id 都只有 1 组处理/控制：

newdata <- viewing_data %>% 
    group_by(unique_person_id) %>% 
    mutate(group=sample(c("treated","control"),1))

tapply(newdata$group,newdata$unique_person_id,n_distinct)
  1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18  19  20 
  1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1 
 21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40 
  1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1 
 41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60 
  1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1 
 61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80 
  1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1 
 81  82  83  84  85  86  87  88  89  90  91  92  93  94  95  96  97  98  99 100 
  1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1

【讨论】：

【解决方案3】：

如果您希望将人员随机且平等分配到两组（完全随机分配），您可以使用以下代码。

library(dplyr)

Persons <- viewing_data %>%
  distinct(unique_person_id) %>%
  mutate(group=sample(100),  # in case the ids are not truly random
         group=ifelse(group %% 2 == 0, 0, 1))  # works if only two groups
Persons

# A tibble: 100 x 2
   unique_person_id group
              <int> <dbl>
 1                1     0
 2                2     0
 3                3     1
 4                4     0
 5                5     1
 6                6     1
 7                7     1
 8                8     0
 9                9     1
10               10     0
# ... with 90 more rows

检查我们每组有 50 个：

Persons %>% count(group)

# A tibble: 2 x 2
  group     n
  <dbl> <int>
1     0    50
2     1    50

您还可以使用 randomizr 包，它除了完全随机分配之外还有更多功能。

library(randomizr)

Persons <- viewing_data %>%
  distinct(unique_person_id) %>%
  mutate(group=complete_ra(N=100, m=50))

Persons %>% count(group) # Check

要将其链接回查看数据，请使用inner_join。

viewing_data %>% inner_join(Persons, by="unique_person_id")

# A tibble: 10,000 x 3
   unique_person_id tv_show          group
              <int> <chr>            <int>
 1               10 Shetland             1
 2               95 Broadchurch          0
 3                7 Duty-Shame           1
 4               68 Drive to Survive     0
 5               17 Drive to Survive     1
 6               70 Shetland             0
 7               78 Drive to Survive     0
 8               21 Broadchurch          1
 9               80 The Crown            0
10               70 Shetland             0
# ... with 9,990 more rows

【讨论】：