在现有行之间添加空白行

Question

我有一个包含 240 个案例的数据集，我想在每个现有行之后创建一个空白行。留下 480 行，其中一半已填充，另一半为空（然后我想自己填充一些数据）。

数据示例

  id groep_MNC zkhs fbeh    pgebdat    p_age pgesl
1  3         1    1    1 1955-12-01 42.50000     1
2  5         1    1    1 1943-04-09 55.16667     1
3  7         1    1    1 1958-04-10 40.25000     1
4 10         1    1    1 1958-04-17 40.25000     1
5 12         1    1    2 1947-11-01 50.66667     1
6 14         1    1    2 1952-02-02 46.41667     1

理想情况下，应该复制“id”，如下所示：

    id groep_MNC zkhs fbeh    pgebdat    p_age pgesl
1    3         1    1    1 1955-12-01 42.50000     1
2    3        NA   NA   NA         NA       NA    NA
3    5         1    1    1 1943-04-09 55.16667     1
4    5        NA   NA   NA         NA       NA    NA
5    7         1    1    1 1958-04-10 40.25000     1
6    7        NA   NA   NA         NA       NA    NA
7   10         1    1    1 1958-04-17 40.25000     1
8   10        NA   NA   NA         NA       NA    NA
9   12         1    1    2 1947-11-01 50.66667     1
10  12        NA   NA   NA         NA       NA    NA
11  14         1    1    2 1952-02-02 46.41667     1
12  14        NA   NA   NA         NA       NA    NA

我尝试使用以下代码复制所有行：

mydf_long <- mydf[rep(1:nrow(mydf), each = 2),]

但正如你所看到的，这甚至与我想要的结果相差甚远。

编辑： 感谢您的编辑和 cmets。我需要将原始数据转换为适合多级分析的格式。但是，数据仍然非常混乱，因此最初适用于我的一小部分数据的其他方法不适用于我的全部数据集。有关背景的更多信息，请参阅我的其他问题：

Reshape/gather function to create dataset ready for multilevel analysis

Tidy up and reshape messy dataset (reshape/gather/unite function)?

R - replace values by row given some statement in if loop with another value in same df

由于我有相对“很少”的合作伙伴变量，我现在想创建空白行，并用合作伙伴数据填充它们。

Answer 1

我们可以复制每一行，然后将偶数行设置为NA。

dt2 <- dt[rep(1:nrow(dt), each = 2), ]
dt2[1:nrow(dt2) %% 2 == 0, ] <- NA

head(dt2)
    id groep_MNC zkhs fbeh    pgebdat    p_age pgesl
1    3         1    1    1 1955-12-01 42.50000     1
1.1 NA        NA   NA   NA       <NA>       NA    NA
2    5         1    1    1 1943-04-09 55.16667     1
2.1 NA        NA   NA   NA       <NA>       NA    NA
3    7         1    1    1 1958-04-10 40.25000     1
3.1 NA        NA   NA   NA       <NA>       NA    NA

数据

dt <- read.table(text = "  id groep_MNC zkhs fbeh    pgebdat    p_age pgesl
1  3         1    1    1 1955-12-01 42.50000     1
2  5         1    1    1 1943-04-09 55.16667     1
3  7         1    1    1 1958-04-10 40.25000     1
4 10         1    1    1 1958-04-17 40.25000     1
5 12         1    1    2 1947-11-01 50.66667     1
6 14         1    1    2 1952-02-02 46.41667     1",
                 header = TRUE, stringsAsFactors = FALSE)

Answer 2

试试这个：

require(dplyr)

df %>% 
  group_by(id) %>% 
  do(rbind(.,c(.$id,rep(NA,NCOL(df)-1)))) %>%
  ungroup() %>% data.frame()

输出：

   id groep_MNC zkhs fbeh    pgebdat    p_age pgesl
1   3         1    1    1 1955-12-01 42.50000     1
2   3        NA   NA   NA       <NA>       NA    NA
3   5         1    1    1 1943-04-09 55.16667     1
4   5        NA   NA   NA       <NA>       NA    NA
5   7         1    1    1 1958-04-10 40.25000     1
6   7        NA   NA   NA       <NA>       NA    NA
7  10         1    1    1 1958-04-17 40.25000     1
8  10        NA   NA   NA       <NA>       NA    NA
9  12         1    1    2 1947-11-01 50.66667     1
10 12        NA   NA   NA       <NA>       NA    NA
11 14         1    1    2 1952-02-02 46.41667     1
12 14        NA   NA   NA       <NA>       NA    NA

样本数据：

require(data.table)
df <- fread("id groep_MNC zkhs fbeh    pgebdat    p_age pgesl
              3         1    1    1 1955-12-01 42.50000     1
              5         1    1    1 1943-04-09 55.16667     1
              7         1    1    1 1958-04-10 40.25000     1
             10         1    1    1 1958-04-17 40.25000     1
             12         1    1    2 1947-11-01 50.66667     1
             14         1    1    2 1952-02-02 46.41667     1")

Answer 3

另一个使用dplyr的选项：

library(dplyr)
df %>%
  split(df$id) %>%
  Map(rbind, ., NA) %>%
  do.call(rbind, .) %>%
  mutate(id = rep(df$id, each = 2))

或者你可以使用map_dfr from purrr:

library(purrr)
df %>%
  group_by(id) %>%
  map_dfr(rbind, NA) %>%
  mutate(id = rep(df$id, each = 2))

结果：

# A tibble: 12 x 7
      id groep_MNC  zkhs  fbeh    pgebdat    p_age pgesl
   <int>     <int> <int> <int>      <chr>    <dbl> <int>
 1     3         1     1     1 1955-12-01 42.50000     1
 2     3        NA    NA    NA       <NA>       NA    NA
 3     5         1     1     1 1943-04-09 55.16667     1
 4     5        NA    NA    NA       <NA>       NA    NA
 5     7         1     1     1 1958-04-10 40.25000     1
 6     7        NA    NA    NA       <NA>       NA    NA
 7    10         1     1     1 1958-04-17 40.25000     1
 8    10        NA    NA    NA       <NA>       NA    NA
 9    12         1     1     2 1947-11-01 50.66667     1
10    12        NA    NA    NA       <NA>       NA    NA
11    14         1     1     2 1952-02-02 46.41667     1
12    14        NA    NA    NA       <NA>       NA    NA