У меня есть кадр данных, следующий за длинным шаблоном ниже:
Name MedName
Name1 atenolol 25mg
Name1 aspirin 81mg
Name1 sildenafil 100mg
Name2 atenolol 50mg
Name2 enalapril 20mg
И хотелось бы получить ниже (меня не волнует, могу ли я получить столбцы, которые будут названы так, просто хочу данные в этом формате):
Name medication1 medication2 medication3
Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
Name2 atenolol 50mg enalapril 20mg NA
С помощью этого самого сайта я познакомился с пакетом reshape/reshape2 и предпринял несколько попыток заставить его работать, но до сих пор не удалось.
Когда я пытаюсь dcast(dataframe, Name ~ MedName, value.var='MedName'), я просто получаю кучу столбцов, которые являются флагами имен лекарств (значения, которые передаются транспонированными, равны 1 или 0):
Name atenolol 25mg aspirin 81mg
Name1 1 1
Name2 0 0
Я также попробовал a dcast(dataset, Name ~ variable) после того, как я расплавил набор данных, однако это просто выплевывает следующее (просто подсчитывает, сколько у каждого человека есть):
Name MedName
Name1 3
name2 2
Наконец, я попытался расплавить данные, а затем изменил форму с помощью idvar="Name" timevar="variable" (из которых все просто являются межд. именами), однако это не похоже на мою проблему, поскольку, если есть несколько совпадений с idvar, reshape просто берет первое имя MedName и игнорирует остальные.
Кто-нибудь знает, как это сделать, используя функцию reshape или другую функцию R? Я понимаю, что, вероятно, есть способ сделать это более беспорядочно, а некоторые из циклов и условных выражений - в основном разделять и повторно вставлять данные, но я надеялся, что существует более простое решение. Большое вам спасибо!
Предполагая, что ваши данные находятся в объекте dataset
library(plyr)
## Add a medication index
data_with_index <- ddply(dataset, .(Name), mutate,
index = paste0('medication', 1:length(Name)))
dcast(data_with_index, Name~ index, value.var = 'MedName')
## Name medication1 medication2 medication3
## 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
## 2 Name2 atenolol 50mg enalapril 20mg <NA>
Вы всегда можете создать уникальный timevar перед использованием reshape. Здесь я использую ave для применения функции seq_along "вдоль" каждого "Имя".
test <- data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
"atenolol 50mg","enalapril 20mg")
)
# generate the 'timevar'
test$uniqid <- with(test, ave(as.character(Name), Name, FUN = seq_along))
# reshape!
reshape(test, idvar = "Name", timevar = "uniqid", direction = "wide")
Результат:
Name MedName.1 MedName.2 MedName.3
1 name1 atenolol 25mg aspirin 81mg sildenafil 100mg
4 name2 atenolol 50mg enalapril 20mg <NA>
На самом деле это довольно распространенная проблема, поэтому я включил функцию getanID в мой пакет "splitstackshape".
Вот что он делает:
library(splitstackshape)
getanID(test, "Name")
# Name MedName .id
# 1: name1 atenolol 25mg 1
# 2: name1 aspirin 81mg 2
# 3: name1 sildenafil 100mg 3
# 4: name2 atenolol 50mg 1
# 5: name2 enalapril 20mg 2
Так как "data.table" загружается вместе с "splitstackshape", у вас есть доступ к dcast.data.table, поэтому вы можете продолжить работу с примером @mnel.
dcast.data.table(getanID(test, "Name"), Name ~ .id, value.var = "MedName")
# Name 1 2 3
# 1: name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2: name2 atenolol 50mg enalapril 20mg NA
Функция по существу реализует sequence(.N) группами, созданными для создания столбца "время".
С пакетом data.table это можно легко решить с помощью новой функции rowid:
library(data.table)
dcast(setDT(d1),
Name ~ rowid(Name, prefix = "medication"),
value.var = "MedName")
который дает:
Name medication1 medication2 medication3
1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
2 Name2 atenolol 50mg enalapril 20mg <NA>
Другой метод (обычно используемый до версии 1.9.7):
dcast(setDT(d1)[, rn := 1:.N, by = Name],
Name ~ paste0("medication",rn),
value.var = "MedName")
давая тот же результат.
Аналогичный подход, но теперь использующий пакеты dplyr и tidyr:
library(dplyr)
library(tidyr)
d1 %>%
group_by(Name) %>%
mutate(rn = paste0("medication",row_number())) %>%
spread(rn, MedName)
который дает:
Source: local data frame [2 x 4]
Groups: Name [2]
Name medication1 medication2 medication3
(fctr) (chr) (chr) (chr)
1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
2 Name2 atenolol 50mg enalapril 20mg NA
Решение @thelatemail похоже на это. Когда я создаю переменную времени, я использую rle, если я не работаю в интерактивном режиме, а переменная Name должна быть динамической.
# start with your example data
x <-
data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
"atenolol 50mg","enalapril 20mg")
)
# pick the id variable
id <- 'Name'
# sort the data.frame by that variable
x <- x[ order( x[ , id ] ) , ]
# construct a `time` variable on the fly
x$time <- unlist( lapply( rle( as.character( x[ , id ] ) )$lengths , seq_len ) )
# `reshape` uses that new `time` column by default
y <- reshape( x , idvar = id , direction = 'wide' )
# done
y
Здесь более короткий путь, используя способ unlist имеет дело с именами:
library(dplyr)
df1 %>% group_by(Name) %>% do(as_tibble(t(unlist(.[2]))))
# # A tibble: 2 x 4
# # Groups: Name [2]
# Name MedName1 MedName2 MedName3
# <chr> <chr> <chr> <chr>
# 1 name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 name2 atenolol 50mg enalapril 20mg <NA>