我已经研究了dplyr和tidyr甚至基本R，但我似乎无法弄清楚如何根据行值对数据进行子集化。
我尝试使用 dplyrfilter()和select()函数，但由于gender、language和age都在id列中，因此我无法仅通过键入data %>% filter(gender == 1)进行过滤。
我有一个 50 名评分员的名单。对于此处的示例，我将显示 5。我有 183 行，其中包括每个问题的评分者答案，最后三行包含人口统计数据，例如年龄、性别以及某人是母语人士还是非母语人士。我将在这里以 6 行为例进行说明。
我正在尝试做的是找到一种方法，根据年龄、性别和语言值中的值对我的数据进行子集化。假设我想选择性别 1、语言 1 或性别 1 和语言 1 的所有评级。
谢谢。
法典：
data <- data.frame("id" = c(901,902,903,"age",
"gender",
"language"),
"rater1" = c(7, 9, 9, 21, 1, 1),
"rater2" = c(9, 9, 9, 39, 2, 2),
"rater3" = c(9, 9, 9, 38, 2, 1),
"rater4" = c(9, 9, 9, 33, 2, 1),
"rater5" = c(2, 9, 9, 21, 2, 1))
为了按性别和其他感兴趣的变量进行过滤，我们需要重新排列数据，使它们是列而不是列中的行。 我们可以做到这一点的一种方法是使用收集然后传播。 更改结构后，您可以使用dplyr过滤。
data <- data %>%
gather("Rater",rater1:rater5, value = "Value") %>%
spread(id, value = Value) %>%
filter(gender == 1)
好吧，我不确定这是否适合您的用例，但您可以进行基本的索引：
# data
x <- data.frame("id" = c(901,902,903,"age","gender","language"),
"rater1" = c(7, 9, 9, 21, 1, 1),
"rater2" = c(9, 9, 9, 39, 2, 2),
"rater3" = c(9, 9, 9, 38, 2, 1),
"rater4" = c(9, 9, 9, 33, 2, 1),
"rater5" = c(2, 9, 9, 21, 2, 1))
# ensure id is character and not factor
x$id <- as.character(x$id)
# select all raters whose gender or language is 1
x[, c(TRUE, x[x$id == "gender", -1] == 1) |
c(TRUE, x[x$id == "language", -1] == 1) ]
TRUE确保在任何情况下都保留 id 列，-1确保逻辑向量具有所需的长度(列数)。
我建议使用两个数据框，一个(我称之为demo)用于评分者的人口统计信息，每个评分者 1 行，另一个(我称之为评级)用于每个评分者给出的评级，每个响应 1 行：
library(tidyr)
library(dplyr)
demo = tail(data, 3)
ratings = head(data, -3)
demo_cols = demo$id
demo = data.frame(t(demo[-1]))
names(demo) = demo_cols
demo$rater = as.numeric(sub(pattern = "rater", replacement = "", rownames(demo)))
demo
# age gender language rater
# rater1 21 1 1 1
# rater2 39 2 2 2
# rater3 38 2 1 3
# rater4 33 2 1 4
# rater5 21 2 1 5
ratings = tidyr::pivot_longer(ratings, cols = starts_with("rater"),
names_to = "rater", names_prefix = "rater") %>%
mutate(rater = as.numeric(rater))
ratings
# # A tibble: 15 x 3
# id rater value
# <fct> <dbl> <dbl>
# 1 901 1 7
# 2 901 2 9
# 3 901 3 9
# 4 901 4 9
# 5 901 5 2
# 6 902 1 9
# ...
然后，当您想要执行类似"为性别 1、语言 1 或性别 1 和语言 1 选择所有评级"之类的操作时，您可以对demo进行简单的filter，并联接到ratings数据以获取匹配的记录：
demo %>% filter(gender == 1 & language == 1) %>%
inner_join(ratings)
# Joining, by = "rater"
# age gender language rater id value
# 1 21 1 1 1 901 7
# 2 21 1 1 1 902 9
# 3 21 1 1 1 903 9
您也可以执行完整的连接 直接ratings_with_demo = inner_join(ratings, demo)并过滤该数据框。但请记住，如果您这样做，每一行都是一个响应。如果你想做一些事情，比如按gender计算评分者的数量，demo数据框是一个更好的起点。
只需将其侧转即可。请确保先将id转换为行名，然后删除id以防止类型强制。t还返回一个矩阵，因此您需要将数据转换为具有as_tibble或as.data.frame的数据框：
library(dplyr)
data <- as_tibble(t(`rownames<-`(data, data$id)[-1]))
现在filter应该做你所期望的：
data %>% filter(gender == 1)
#### OUTPUT ####
# A tibble: 1 x 6
`901` `902` `903` age gender language
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 7 9 9 21 1 1