R Tibble 整理困境

Question

我正在尝试在我的 R 脚本中整理我的数据，以便我可以对整理后的数据集进行一些统计分析。

其中一列列出了对（其中 6 个），它们对应于三个单独的输出值“块”。最小可重现数据集如下。

dput(head(data, 6)) 
structure(list(pairs = c("ABC", "ACB", "BAC", "BCA", "CBA", "CAB"), block1vals = c(1, 3, 5, 7, 9, 10), block2vals = c(4, 66, 34, 66, 21, 21), block3vals = c(53, 22, 12, 65, 21, 22)), .Names = c("pairs", "block1vals", "block2vals", "block3vals"), row.names = c(NA, 6L), class = "data.frame")

我得到了我的代码来获取对，并为给定块标记每个参与者的 A/B/C 值，每个块的列；这行得通：

第 1 块：

data$block1types <- sapply(data$pairs, function(x){
  if(x == "ABC") { return("Type A")}
  if(x == "ACB") { return("Type A")}
  if(x == "BAC") { return("Type B")}
  if(x == "BCA") { return("Type B")}
  if(x == "CBA") { return("Type C")}
  if(x == "CAB") { return("Type C")}
})

第 2 块：

data$block2types <- sapply(data$pairs, function(x){
  if(x == "ABC") { return("Type B")}
  if(x == "ACB") { return("Type C")}
  if(x == "BAC") { return("Type A")}
  if(x == "BCA") { return("Type C")}
  if(x == "CBA") { return("Type B")}
  if(x == "CAB") { return("Type A")}
})

第 3 块：

data$block3types <- sapply(data$pairs, function(x){
 if(x == "ABC") { return("Type C")}
if(x == "ACB") { return("Type B")}
if(x == "BAC") { return("Type C")}
if(x == "BCA") { return("Type A")}
if(x == "CBA") { return("Type A")}
if(x == "CAB") { return("Type B")}
})

我现在要做的是重新组织数据，以便有一列包含所有“类型 A”参与者值（无论 A 位于哪个块中）以及一个用于“类型 B”和一种用于“C 型”。

所以理想的输出是：

data$TypeA <- c(1, 3, 34, 65, 21, 21)
data$TypeB <- c(4, 22, 5, 7, 21, 22)
data$TypeC <- c(53, 66, 12, 66, 9, 10)

我无法弄清楚如何做到这一点而不产生问题。我这样做的尝试是，在数据集之外创建两列，然后我希望可以传播：

BlockTypes<- combine(data$block1types, data$block2types, data$block3types, .id = NULL)     
BlockTotals<- combine(data$block1vals, data$block2vals, data$block3vals, .id = NULL) 

然后我尝试这样做：

spread(data, key= BlockTypes, value=BlockTotals, fill = 0)

这失败了：var 必须计算为单个数字或列名，而不是字符向量。不过，我确实认为，更大的问题是将列放在数据集之外。我不能对它们使用扩展函数，因为它们在数据集之外。所以我有点坚持如何做到这一点，如果组合功能不能与 tibble 一起使用。

Answer 1

如果我全神贯注，我确信有更好的方法来做到这一点，但这里有一些工作。

首先，我们使用 substr 函数为您的类型提取第一个、第二个和第三个字符。我使用粘贴功能将“类型”部分包含在我们执行的提取中。这比像你那样做每个组合要好得多。

接下来，我们检查了 3 次数据（每种类型一次）。每次我们遍历数据时，我们都会使用块类型来查看是否应该提取块值。

library(tidyverse)
data <- tibble(
pairs = c("ABC", "ACB", "BAC", "BCA", "CBA", "CAB"),
block1vals = c(1, 3, 5, 7, 9, 10),
block2vals = c(4, 66, 34, 66, 21, 21),
block3vals = c(53, 22, 12, 65, 21, 22)
)

data %>%
  mutate(
    block1types = paste0("Type ",substr(pairs, 1, 1)),
    block2types = paste0("Type ",substr(pairs, 2, 2)),
    block3types = paste0("Type ",substr(pairs, 3, 3))) %>%
  mutate(
    TypeAValues = case_when(
    block1types == "Type A" ~ block1vals,
    block2types == "Type A" ~ block2vals,
    block3types == "Type A" ~ block3vals)) %>%
  mutate(
    TypeBValues = case_when(
    block1types == "Type B" ~ block1vals,
    block2types == "Type B" ~ block2vals,
    block3types == "Type B" ~ block3vals)) %>%
  mutate(
    TypeCValues = case_when(
    block1types == "Type C" ~ block1vals,
    block2types == "Type C" ~ block2vals,
    block3types == "Type C" ~ block3vals))

Answer 2

这是一种利用 dplyr 和 stringr 包的方法。

library(dplyr)
library(stringr)

data %>%
  # For each letter, determine the position of that letter in the entry in the 'pairs' column
  mutate(a = str_locate(pairs, 'A')[,'start'],
         b = str_locate(pairs, 'B')[,'start'],
         c = str_locate(pairs, 'C')[,'start']) %>% 
  # Based on the letter's position, pull the value from the appropriate column
  mutate_at(.vars = vars(a, b, c),
            .funs = funs(case_when(. == 1 ~ block1vals,
                                   . == 2 ~ block2vals,
                                   . == 3 ~ block3vals)))

对str_locate() 的调用看起来很奇怪的原因是调用str_locate() 的输出是一个矩阵。

函数的输出如下所示：

pairs <- c('ABCDE')
str_locate(pairs, 'BC')

     start end
[1,]     2   3

要仅返回字母“B”的位置，您需要从矩阵中提取标题为 start 的列。

您可以通过编写以下代码将调用str_locate() 与列提取结合起来：

str_locate(pairs, 'BC')['start']