r - 如何重塑 R 中的数据，将顶部日期行应用为列并按 id 分组

date 2020/06/10 2020/06/10 2020/06/10 2020/06/11 2020/06/11 2020/06/11 id x y z x y z 10432 0 0 0 0 0 0 10668 0 0 0 0 0 0 11088 0 0 0 0 0 0

id date x y z 10432 2020/06/10 0 0 0 10432 2020/06/11 0 0 0 10668 2020/06/10 0 0 0 10668 2020/06/11 0 0 0 11088 2020/06/10 0 0 0 11088 2020/06/11 0 0 0

这些数据非常混乱，但是通过一些工作，我设法获得了您想要的输出。

read_table2()这是您提供的示例数据在我使用从readr包中导入后的样子：

library(readr) # 1.3.1

df <- read_table2("date    2020/06/10  2020/06/10  2020/06/10  2020/06/11  2020/06/11  2020/06/11  
id          x           y           z           x           y           z           
10432       0           0           0           0           0           0           
10668       0           0           0           0           0           0           
11088       0           0           0           0           0           0 ")

df[, 8] <- NULL

> df
# A tibble: 4 x 7
  date  `2020/06/10` `2020/06/10_1` `2020/06/10_2` `2020/06/11` `2020/06/11_1` `2020/06/11_2`
  <chr> <chr>        <chr>          <chr>          <chr>        <chr>          <chr>         
1 id    x            y              z              x            y              z             
2 10432 0            0              0              0            0              0             
3 10668 0            0              0              0            0              0             
4 11088 0            0              0              0            0              0

请注意，在 R 中，您不能有重复的列名，因此它会稍微改变它们。我们必须解决这个问题。（您可能不必完全执行这些步骤，如果您不提供数据，我无法准确知道您的列的名称dput()。）

现在我将当前列名与“id”行粘贴在一起，然后整理列名，以便我们以后可以使用它们：

names(df) <- c("id", paste(df[1, -1], names(df)[-1], sep = "_"))

library(stringr) # 1.4.0

names(df)[-1] <- str_remove(names(df)[-1], "_[1-9]$") # this gets rid of
# the "_1" or "_2" R added automatically when I imported the data

我们现在不再需要第一行，因为它的内容在列名中重复了。

df <- df[-1,]

> df
# A tibble: 3 x 7
  id    `x_2020/06/10` `y_2020/06/10` `z_2020/06/10` `x_2020/06/11` `y_2020/06/11` `z_2020/06/11`
  <chr> <chr>          <chr>          <chr>          <chr>          <chr>          <chr>         
1 10432 0              0              0              0              0              0             
2 10668 0              0              0              0              0              0             
3 11088 0              0              0              0              0              0

现在我们可以实际处理这个df并从宽格式到长格式：

library(tidyr) # 1.1.0

df %>% pivot_longer(-id, names_to = c(".value", "date"),
                      names_pattern = "(.)_(..../../..)")

# A tibble: 6 x 5
  id    date       x     y     z    
  <chr> <chr>      <chr> <chr> <chr>
1 10432 2020/06/10 0     0     0    
2 10432 2020/06/11 0     0     0    
3 10668 2020/06/10 0     0     0    
4 10668 2020/06/11 0     0     0    
5 11088 2020/06/10 0     0     0    
6 11088 2020/06/11 0     0     0

所以我们有了它 - 一个使用readr,stringr和tidyr包的整理数据解决方案tidyverse- 我认为这是一个非常好的例子，tidyverse它是精确开发的！:)

数据

如果您需要它，这里是df我们在实施之前的整理pivot_longer()：

structure(list(id = c("10432", "10668", "11088"), `x_2020/06/10` = c("0", 
"0", "0"), `y_2020/06/10` = c("0", "0", "0"), `z_2020/06/10` = c("0", 
"0", "0"), `x_2020/06/11` = c("0", "0", "0"), `y_2020/06/11` = c("0", 
"0", "0"), `z_2020/06/11` = c("0", "0", "0")), row.names = c(NA, 
-3L), class = c("tbl_df", "tbl", "data.frame"))

r - 如何重塑 R 中的数据，将顶部日期行应用为列并按 id 分组

问题描述

解决方案

推荐阅读