r-pivot_langer以组合列组:高级数据透视

Question

需要：从宽到长的数据透视，堆叠相应列的组
本质上，我有3组5列，需要将相应列中的每一列堆叠成1列(即，3组中的第一个变量变为1列，每一组中的第二个变量为第二列，等等(。例如，我需要：列#2，7，&12都在1列，3，8，&13在下一列中。。。6，11，&一列共16个。

数据结构：我有一个类似于以下的数据集：

df <- tibble(
pid = c(1, 2, 3, 4),

v1_1 = c(19, NA, NA, NA),
v1_2 = c(12, NA, NA, NA),
v2_1 = c(15, NA, NA, NA),
v2_2 = c(19, NA, NA, NA),
v1_entry_3 = c(11, NA, NA, NA),

v1_1_1 = c(NA, NA, 36, NA),
v1_2_1 = c(NA, NA, 35, NA),
v2_1_1 = c(NA, NA, 31, NA),
v2_2_1 = c(NA, NA, 39, NA),
v1_entry_3_1 = c(NA, NA, 33, NA),

v1_1_2 = c(NA, 26, NA, 41),
v1_2_2 = c(NA, 29, NA, 44),
v2_1_2 = c(NA, 21, NA, 42),
v2_2_2 = c(NA, 20, NA, 45),
v1_entry_3_2 = c(NA, 22, NA, 44),

age = c(19, 21, 33, 47)
)

最后，我需要这样的数据：

df_t <- tibble(
pid = c(1, 2, 3, 4),

v1_1 = c(19, 26, 36, 41),
v1_2 = c(12, 29, 35, 44),
v2_1 = c(15, 21, 31, 42),
v2_2 = c(19, 20, 39, 45),
v1_entry_3 = c(11, 22, 33, 44),

age = c(19, 21, 33, 47)
)

Answer 1

您需要在第二个下划线之前的所有内容上匹配列名：

library(tidyr)
df %>%
pivot_longer(
-c(pid, age),
names_pattern =  "([^_]*_[^_]*)",
names_to = ".value",
values_drop_na = TRUE
)
# A tibble: 4 x 7
pid   age  v1_1  v1_2  v2_1  v2_2 v1_entry
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>    <dbl>
1     1    19    19    12    15    19       11
2     2    21    26    29    21    20       22
3     3    33    36    35    31    39       33
4     4    47    41    44    42    45       44

Answer 2

在执行pivot_longer之前，请考虑重命名某些列

library(dplyr)
library(stringr)
library(tidyr)
df %>% 
rename_with(~ str_c(., '_0'), matches("^v\d+_\d+$|^v\d+_entry_\d+$")) %>% 
pivot_longer(cols = -c(pid, age), names_to = c(".value"), 
names_pattern = "(.*)_\d+$", values_drop_na = TRUE)
# A tibble: 4 x 7
pid   age  v1_1  v1_2  v2_1  v2_2 v1_entry_3
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>      <dbl>
1     1    19    19    12    15    19         11
2     2    21    26    29    21    20         22
3     3    33    36    35    31    39         33
4     4    47    41    44    42    45         44

Answer 3

这里有一个基本的R解决方案：

colnames <- startsWith(names(df), "v")
cbind(df[!colnames], 
do.call(cbind, lapply(split.default(df[colnames], gsub("(v\d_\d|[[:alpha:]]+)_.*", "\1", names(df)[colnames])), 
function(x) apply(x, 1, (x) x[!is.na(x)]))))
pid age v1_1 v1_2 v1_entry v2_1 v2_2
1   1  19   19   12       11   15   19
2   2  21   26   29       22   21   20
3   3  33   36   35       33   31   39
4   4  47   41   44       44   42   45

Answer 4

为了完整起见，这里有一种使用melt()函数的方法：

library(data.table)
cols <- names(df)[2:6]
melt(setDT(df), measure = patterns(cols), value.name = cols, na.rm = TRUE)[order(pid)]

pid age variable v1_1 v1_2 v2_1 v2_2 v1_entry_3
1:   1  19        1   19   12   15   19         11
2:   2  21        3   26   29   21   20         22
3:   3  33        2   36   35   31   39         33
4:   4  47        3   41   44   42   45         44

在这里，我们受益于这样一个事实，即要重新整形的第一组列的列名可以重新用作重新整形输出的列名。