我有一个每人一行格式的数据集,但我想将数据集合并为矩阵变量——基本上,如果不需要整洁的格式,我会使用模糊联接合并来自一系列日期的数据,创建n x 3行。相反,我真的想把它们合并成一个矩阵变量。
我曾尝试过使用模糊联接和嵌套函数,但我的合并数据集包含多个变量,因此需要为嵌套函数显式声明我的变量将是一项繁重的工作,最终看起来会很混乱(不过,我想如果这是我唯一的前进方向,我可以致力于此(。
通过提供一个可复制的例子来说明我的想法,我创建了下面的假数据集:
person_data <- tibble(ID=paste0("ID", 1:50), outcome=sample(0:1, 50, T), date=sample(5:145, 50, F),min_date=date-5)
value_data <- tibble(date=seq(1:150), exp1=sample(20:100, 150, T), exp2=sample(20:100, 150, T))
我的第一个想法是将模糊连接和嵌套函数结合起来,如下所示:
merged <- fuzzyjoin::fuzzy_left_join(person_data, value_data, by=c("date" = "date", "min_date" = "date"), match_fun=c(`>=`,`<=`))
analysis_data <- merged %>%
select(-date.y) %>%
group_by(ID) %>%
nest(exp1=exp1, exp2=exp2)
生成的analysis_data
tibble的头在这里。
> analysis_data
# A tibble: 50 × 6
# Groups: ID [50]
ID outcome date.x min_date exp1 exp2
<chr> <int> <int> <dbl> <list> <list>
1 ID1 1 39 34 <tibble [6 × 1]> <tibble [6 × 1]>
2 ID2 1 87 82 <tibble [6 × 1]> <tibble [6 × 1]>
3 ID3 0 23 18 <tibble [6 × 1]> <tibble [6 × 1]>
4 ID4 1 60 55 <tibble [6 × 1]> <tibble [6 × 1]>
5 ID5 1 120 115 <tibble [6 × 1]> <tibble [6 × 1]>
6 ID6 0 35 30 <tibble [6 × 1]> <tibble [6 × 1]>
7 ID7 0 131 126 <tibble [6 × 1]> <tibble [6 × 1]>
8 ID8 0 83 78 <tibble [6 × 1]> <tibble [6 × 1]>
9 ID9 0 68 63 <tibble [6 × 1]> <tibble [6 × 1]>
10 ID10 1 133 128 <tibble [6 × 1]> <tibble [6 × 1]>
在大多数情况下,它确实让我达到了目的,因为生成的数据有50行,但有没有更好/更简单的方法来解决这个问题,尤其是如果我使用exp1-50而不是exp1和exp2?我也想添加一个index
矩阵变量,但我不确定如何添加。
意识到它不适合我的其他例子,我基本上想要一个最终看起来像这样的数据集:
fake_data_goal <- tibble(ID=paste0("ID", 1:50), outcome=sample(0:1, 50, T), var=matrix(data=sample(50:100, 50*3, T), nrow=50), index=matrix(rep(c(1:3), 50), nrow=50, byrow=T))
> fake_data_goal
# A tibble: 50 × 4
ID outcome var[,1] [,2] [,3] index[,1] [,2] [,3]
<chr> <int> <int> <int> <int> <int> <int> <int>
1 ID1 0 66 90 71 1 2 3
2 ID2 0 95 98 75 1 2 3
3 ID3 0 57 84 91 1 2 3
4 ID4 1 78 89 64 1 2 3
5 ID5 1 97 73 95 1 2 3
6 ID6 0 52 96 76 1 2 3
7 ID7 0 62 93 57 1 2 3
8 ID8 0 62 76 81 1 2 3
9 ID9 1 55 58 67 1 2 3
10 ID10 0 81 91 91 1 2 3
提前感谢您!
作为答案的一半,这至少意味着你不必重复键入exp
、exp2
。。。直到exp50
等等,您可以在加入之前使用pivot_longer
,在嵌套之后使用pivot_wider
来提供正确数量的列表列。然后可以通过模式匹配列名将这些列提取到矩阵列中:
library(tidyverse)
person_data <-
tibble(
ID = paste0("ID", 1:50),
outcome = sample(0:1, 50, T),
date = sample(5:145, 50, F),
min_date = date - 5
)
value_data <-
tibble(
date = seq(1:150),
exp1 = sample(20:100, 150, T),
exp2 = sample(20:100, 150, T)
)
merged <-
fuzzyjoin::fuzzy_left_join(
person_data,
value_data |> pivot_longer(-date, names_to = "exp", values_to = "val"),
by = c("date" = "date", "min_date" = "date"),
match_fun = c(`>=`, `<=`)
)
merged |>
select(-date.y) |>
group_by(ID, exp) |>
nest(val = val) |>
pivot_wider(names_from = exp,
values_from = val) |>
rowwise() |>
mutate(across(starts_with("exp"), ~ t(as.matrix(.x$val))))
#> # A tibble: 50 × 6
#> # Rowwise: ID
#> ID outcome date.x min_date exp1[,1] [,2] [,3] [,4] [,5] [,6] exp2[,1]
#> <chr> <int> <int> <dbl> <int> <int> <int> <int> <int> <int> <int>
#> 1 ID1 0 118 113 96 83 69 59 42 34 60
#> 2 ID2 1 9 4 38 91 83 28 87 73 96
#> 3 ID3 1 83 78 49 31 33 84 57 50 83
#> 4 ID4 1 97 92 91 92 21 53 59 39 23
#> 5 ID5 1 71 66 97 28 56 91 67 43 98
#> 6 ID6 1 27 22 81 88 41 22 24 84 36
#> 7 ID7 1 64 59 46 51 88 76 39 63 53
#> 8 ID8 0 72 67 28 56 91 67 43 55 23
#> 9 ID9 0 80 75 76 79 62 49 31 33 66
#> 10 ID10 0 87 82 57 50 31 72 95 31 66
#> # … with 40 more rows, and 1 more variable: exp2[2:6] <int>
创建于2022-08-10由reprex包(v2.0.1(
如前所述,它并没有完全回答你的问题,但至少会让你达到制作analysis_data
时可以接受的一半阶段。
剩下的是:
- 这是您期望
exp1
等变量的位置吗 - 不清楚每一行的索引值来自哪里
这与Andy Baxter的答案如出一辙,但不是为每个exp都有一个矩阵和一个索引,而是将两条信息组合在一起,形成每个列名,即不是exp[,1] [,2] [,3] index[,1] [,2] [,3]
,而是exp1_1 exp1_2 exp1_3 exp2_1 exp2_2 exp2_3
。这适合你的用例吗?
library(tidyverse)
set.seed(123)
person_data <- tibble(ID=paste0("ID", 1:50), outcome=sample(0:1, 50, T), date=sample(5:145, 50, F),min_date=date-5)
value_data <- tibble(date=seq(1:150), exp1=sample(20:100, 150, T), exp2=sample(20:100, 150, T))
merged <- fuzzyjoin::fuzzy_left_join(person_data, value_data, by=c("date" = "date", "min_date" = "date"), match_fun=c(`>=`,`<=`))
analysis_data <- merged %>%
select(-date.y) %>%
pivot_longer(starts_with("exp")) %>%
group_by(ID, name) %>%
mutate(n = row_number()) %>%
pivot_wider(names_from = c(name, n),
values_from = value,
names_sort = TRUE)
analysis_data
#> # A tibble: 50 × 16
#> # Groups: ID [50]
#> ID outcome date.x min_d…¹ exp1_1 exp1_2 exp1_3 exp1_4 exp1_5 exp1_6 exp2_1
#> <chr> <int> <int> <dbl> <int> <int> <int> <int> <int> <int> <int>
#> 1 ID1 0 57 52 39 86 55 71 41 68 59
#> 2 ID2 0 139 134 44 27 74 64 37 61 98
#> 3 ID3 0 145 140 50 25 90 80 67 36 79
#> 4 ID4 1 38 33 74 94 55 58 73 28 55
#> 5 ID5 0 73 68 91 63 51 55 64 33 32
#> 6 ID6 1 76 71 55 64 33 35 52 59 41
#> 7 ID7 1 80 75 52 59 59 29 91 28 55
#> 8 ID8 1 67 62 27 65 85 96 65 89 100
#> 9 ID9 0 101 96 73 96 30 44 71 45 67
#> 10 ID10 0 95 90 45 52 76 48 29 72 99
#> # … with 40 more rows, 5 more variables: exp2_2 <int>, exp2_3 <int>,
#> # exp2_4 <int>, exp2_5 <int>, exp2_6 <int>, and abbreviated variable name
#> # ¹min_date
#> # ℹ Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names
创建于2022-08-10由reprex包(v2.0.1(