时间戳

首页 > 解决方案 > 用两行作为标题重塑多变量数据（从宽到长）

r - 用两行作为标题重塑多变量数据（从宽到长）

问题描述

我有一个格式如下的 Excel 工作表：

             2015 2015 2016 2016 2017 2017
名称 身高 体重 身高 体重 身高 体重  
爱丽丝 12 34 56 78 90 12      
鲍勃 55 55 55 55 55 55     
...

我的目标是生成一个整洁的数据框，例如：

姓名 年龄 身高 体重
爱丽丝 2015 12 34
爱丽丝 2016 56 78
爱丽丝 2017 90 12
鲍勃 2015 55 55
鲍勃 2016 55 55
鲍勃 2017 55 55
...

如果年行不存在，我可以看到如何使用read_excel然后gather从创建数据框，但我不明白如何使用两个标题行来执行此操作。tidyverse我被卡住的主要一点是，显然一列只能有一个名称，但似乎我想至少暂时为每列有两个名称。这样做的最佳方法是什么？

标签： rtidyr

解决方案

这是一个相当普遍的问题（人们实际上使用这样的 excel 工作簿），但涉及在 R 中解决的几个步骤。这是一种方法，我假设您的数据框被调用dat：

library(dplyr)
library(tidyr)
library(magrittr) # for the two-way pipe %<>%

# Start by renaming your columns to include both the year and variable
# The use of '-' to separate the parts is for convenience in the regex below
names(dat)[2:ncol(dat)] <- paste(dat[1, 2:ncol(dat)],
                                 names(dat)[2:ncol(dat)],
                                 sep = "-")
names(dat)[1] <- "Name"
names(dat) <- sub("__\\d+", "", names(dat))

# Drop the now useless first row
dat <- dat[2:nrow(dat), ]

# Transform the data
dat %<>%
  gather(key = var, value = val, -Name) %>%
  mutate(Year = sub("^.*?-", "", var),
         var = sub("-\\d+$", "", var)) %>%
  spread(key = var, value = as.numeric(val))

转换数据的管道序列的工作方式如下：首先，您的直觉是正确的，我们需要使用gather它来从宽转换为长。其次，我们创建“Year”变量并从临时“var”变量中删除这些数字。最后，我们必须使用spread单独的高度和重量变量。由于原始数据中的第二个标题行是文本，我们还将在该步骤中将这些值转换为数字。

推荐阅读