Combine mĂșltiples columnas en datos ordenados
dplyr tidyr (3)
Mi conjunto de datos se ve así:
unique.id abx.1 start.1 stop.1 abx.2 start.2 stop.2 abx.3 start.3 stop.3 abx.4 start.4
1 1 Moxi 2014-01-01 2014-01-07 PenG 2014-01-01 2014-01-07 Vanco 2014-01-01 2014-01-07 Moxi 2014-01-01
2 2 Moxi 2014-01-01 2014-01-02 Cipro 2014-01-01 2014-01-02 PenG 2014-01-01 2014-01-02 Vanco 2014-01-01
3 3 Cipro 2014-01-01 2014-01-05 Vanco 2014-01-01 2014-01-05 Cipro 2014-01-01 2014-01-05 Vanco 2014-01-01
4 4 Vanco 2014-01-02 2014-01-03 Cipro 2014-01-02 2014-01-03 Cipro 2014-01-02 2014-01-03 PenG 2014-01-02
5 5 Vanco 2014-01-01 2014-01-02 PenG 2014-01-01 2014-01-02 PenG 2014-01-01 2014-01-02 Cipro 2014-01-01
stop.4 intervention
1 2014-01-07 0
2 2014-01-02 0
3 2014-01-05 1
4 2014-01-03 1
5 2014-01-02 0
Con algo de código para crear esto:
abxoptions <- c("Cipro", "Moxi", "PenG", "Vanco")
df3 <- data.frame(
unique.id = 1:5,
abx.1 = sample(abxoptions,5, replace=TRUE),
start.1 = as.Date(c(''2014-01-01'', ''2014-01-01'', ''2014-01-01'', ''2014-01-02'', ''2014-01-01'')),
stop.1 = as.Date(c(''2014-01-07'', ''2014-01-02'', ''2014-01-05'', ''2014-01-03'', ''2014-01-02'')),
abx.2 = sample(abxoptions,5, replace=TRUE),
start.2 = as.Date(c(''2014-01-01'', ''2014-01-01'', ''2014-01-01'', ''2014-01-02'', ''2014-01-01'')),
stop.2 = as.Date(c(''2014-01-07'', ''2014-01-02'', ''2014-01-05'', ''2014-01-03'', ''2014-01-02'')),
abx.3 = sample(abxoptions,5, replace=TRUE),
start.3 = as.Date(c(''2014-01-01'', ''2014-01-01'', ''2014-01-01'', ''2014-01-02'', ''2014-01-01'')),
stop.3 = as.Date(c(''2014-01-07'', ''2014-01-02'', ''2014-01-05'', ''2014-01-03'', ''2014-01-02'')),
abx.4 = sample(abxoptions,5, replace=TRUE),
start.4 = as.Date(c(''2014-01-01'', ''2014-01-01'', ''2014-01-01'', ''2014-01-02'', ''2014-01-01'')),
stop.4 = as.Date(c(''2014-01-07'', ''2014-01-02'', ''2014-01-05'', ''2014-01-03'', ''2014-01-02'')),
intervention = c(0,0,1,1,0)
)
Me gustaría ordenar estos datos para que se vean así:
unique.id abx start stop intervention
1 Moxi 2014-01-10 2014-01-07 0
1 Pen G 2014-01-01 2014-01-07 0
1 Vanco 2014-01-01 2014-01-07 0
1 Moxi 2014-01-01 2014-01-07 0 etc etc
Las siguientes soluciones no me llevaron a donde lo necesitaba: reunir múltiples conjuntos de columnas y combinar múltiples columnas en una
Sospecho que el increíble tidyr pakcage de Hadley es el camino a seguir ... simplemente no puedo entender esto. Cualquier ayuda sería muy apreciada.
Casi todos los problemas de ordenamiento de datos se pueden resolver en tres pasos:
- Reúna todas las columnas no variables
- Separe la columna "colname" en múltiples variables
- Re-difundir los datos
(a menudo solo necesitará uno o dos de estos, pero creo que casi siempre están en este orden).
Para sus datos:
-
La única columna que ya es una variable es
unique.id
- Debe dividir los nombres de columna actuales en variable y número
- Luego debe volver a colocar la variable "variable" en columnas
Esto se ve así:
library(tidyr)
library(dplyr)
df3 %>%
gather(col, value, -unique.id, -intervention) %>%
separate(col, c("variable", "number")) %>%
spread(variable, value, convert = TRUE) %>%
mutate(start = as.Date(start, "1970-01-01"), stop = as.Date(stop, "1970-01-01"))
Su caso es un poco más complicado porque tiene dos tipos de variables, por lo que debe restaurar los tipos al final.
Podrías intentar
reshape
desde la
base R
reshape(df3, direction=''long'', varying=2:ncol(df3), sep=".")
O use
merged.stack
de
splitstackshape
library(splitstackshape)
merged.stack(df3, var.stubs=c(''abx'', ''start'', ''stop''), sep=''.'')[,
c(''start'', ''stop'') := lapply(.SD, as.Date,
origin=''1970-01-01''), .SDcols=4:5][]
Recientemente, se ha agregado una nueva característica a
melt.data.table
, que permite fundir en múltiples columnas sin problemas.
Todo lo que tiene que hacer es proporcionar las columnas que desea fusionar por separado en una
list
en el argumento
measure.vars
.
Puede obtener la versión de desarrollo siguiendo estas instrucciones .
require(data.table) ## v1.9.5
setDT(dat) # dat is now a data.table
melt(dat, id = 1L, measure = patterns("^abx", "^start", "^stop"),
value.name = c("abx", "start", "stop"))
# unique.id variable abx start stop
# 1: 1 1 Moxi 2014-01-01 2014-01-07
# 2: 2 1 Moxi 2014-01-01 2014-01-02
# 3: 3 1 Cipro 2014-01-01 2014-01-05
# 4: 4 1 Vanco 2014-01-02 2014-01-03
# 5: 5 1 Vanco 2014-01-01 2014-01-02
# 6: 1 2 PenG 2014-01-01 2014-01-07
# 7: 2 2 Cipro 2014-01-01 2014-01-02
# 8: 3 2 Vanco 2014-01-01 2014-01-05
# 9: 4 2 Cipro 2014-01-02 2014-01-03
# 10: 5 2 PenG 2014-01-01 2014-01-02
# 11: 1 3 Vanco 2014-01-01 2014-01-07
# 12: 2 3 PenG 2014-01-01 2014-01-02
# 13: 3 3 Cipro 2014-01-01 2014-01-05
# 14: 4 3 Cipro 2014-01-02 2014-01-03
# 15: 5 3 PenG 2014-01-01 2014-01-02
# 16: 1 4 Moxi 2014-01-01 2014-01-07
# 17: 2 4 Vanco 2014-01-01 2014-01-02
# 18: 3 4 Vanco 2014-01-01 2014-01-05
# 19: 4 4 PenG 2014-01-02 2014-01-03
# 20: 5 4 Cipro 2014-01-01 2014-01-02
He usado números de columna aquí, pero también puede proporcionar nombres de columna.