时间戳

首页 > 解决方案 > 如何根据每行中的值对数据进行透视

r - 如何根据每行中的值对数据进行透视

问题描述

假设我们有一个这样的数据框：

> dput(data)
structure(list(Location = structure(1:18, .Label = c("a", "b", 
"c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", 
"p", "q", "r"), class = "factor"), C1 = c(7L, NA, 3L, 7L, NA, 
NA, 2L, 7L, NA, NA, NA, NA, 2L, NA, NA, NA, NA, NA), C2 = c(NA, 
8L, 1L, 1L, NA, 9L, 1L, 1L, NA, 1L, NA, 4L, 1L, NA, NA, NA, NA, 
1L), C3 = c(3L, 1L, 7L, NA, NA, NA, 7L, 2L, 5L, 4L, 9L, 10L, 
3L, 2L, 1L, 7L, NA, NA), C4 = c(NA, 2L, NA, 2L, 2L, 1L, 1L, 8L, 
8L, 5L, 6L, 15L, 15L, 5L, 5L, 2L, 15L, NA), C5 = c(NA, NA, NA, 
NA, 8L, NA, 2L, NA, 4L, 10L, 3L, 3L, 1L, NA, NA, 3L, NA, 8L)), class = "data.frame", row.names = c(NA, 
-18L))

记录数据的方式，我们有一个Location列，它代表一个已知的分组变量 levels a:r。然后我们有列C1:C5，它们本身代表 5 个集群，每个集群的样本Location根据某个任意变量进行分类。因此，每列的总和说明了每列有多少样本Location。例如，Location == a有 10 个样本，其中 7 个被分类为C1，3 个被分类为C3。

我想创建一个列联表来执行卡方独立性检验，以查看Location集群分配是否独立。当数据以这种格式记录时，我们如何重塑数据来做到这一点？

更新：除非有一种更简单的方法可以根据每行中的值（可以直接对其执行卡方检验）从当前格式获取列联表，否则我希望我们必须将其转换为 tidy格式，其中每个原始样本有两列Location和Cluster一个观察值，因此输出如下所示：

#there would be 10 observations for location a, 11 observations for b, and so on
Location   Cluster
a           C1
a           C1
a           C1
a           C1
a           C1
a           C1
a           C1
a           C3
a           C3
a           C3
b           C2
b           C2
b           C2
b           C2
b           C2
b           C2
b           C2
b           C2
b           C3
b           C4
b           C4
....

由此我们可以制作一个列联表并执行卡方检验

标签： rdplyrchi-squared

解决方案

我们可以重塑为“长”格式并用于uncount复制行

library(dplyr)
library(tidyr)
data %>%
   pivot_longer(cols = -Location, names_to = 'Cluster', values_drop_na = TRUE) %>%
   uncount(value)
# A tibble: 251 x 2
#   Location Cluster
#   <fct>    <chr>  
# 1 a        C1     
# 2 a        C1     
# 3 a        C1     
# 4 a        C1     
# 5 a        C1     
# 6 a        C1     
# 7 a        C1     
# 8 a        C3     
# 9 a        C3     
#10 a        C3     
# … with 241 more rows

推荐阅读