如何在长格式时间序列数据中按时间点拆分输出？

Posted 2023-03-25

【中文标题】如何在长格式时间序列数据中按时间点拆分输出？

【英文标题】：How to split output by timepoint in long format time-series data?

【发布时间】：2021-11-06 08:15:52

【问题描述】：

我想使用 naniar 包中的 gg_miss_var() 来查看我的数据框中每个时间点的缺失数据量。数据框包含长格式的时间序列数据。

我的代码可以与 df 整体配合使用（请参阅下面 代码 中的 #1）。如何扩展它以生成按 Timepoint 拆分的输出（请参阅下面 代码 中的 #2 了解我尝试的代码）？

为了澄清，我想做的基本上是使用每个时间点的数据（每个 Timepoint 变量）在 代码 中重复 #1。因此，每个变量的缺失数据量将分别针对基线数据、第 1 年数据和第 2 年数据呈现。目前，代码中的 #1 查看所有时间点（即基线、第 1 年、第 2 年）的缺失数据。

我将使用此数据 df 按 Timepoint 进行进一步分析，例如回归，因此理想情况下，我会喜欢易于为这些目的操作的代码。

下面是一个示例数据框（请参阅示例数据）。请注意，我正在使用的数据框要大得多（即 N = ~21,900）

代码

library(tidyverse)
library(naniar) # for gg_miss_var()

# 1. All missing data
gg_miss_var(df[,c("Score.1","Score.2","Score.3","Score.4")]) 

# 2. Missing data split by timepoint [does not work]
df %>% 
  group_by(Timepoint) %>% 
  gg_miss_var(.[,c("Score.1","Score.2","Score.3","Score.4")]) %>%
  ungroup()

示例数据

df <- structure(list(ID = c(1L, 1L, 1L, 2L, 
2L, 3L),  Timepoint = c("baseline", "year1", "year2", 
"baseline", "year1", "baseline"), Score.1 = c(NA, 6, 4, 4, 5, 5), Score.2 = c(11, 
10, 8, 8, 8, 9), Score.3 = c(4, NA, 9, 10, 8, 6), Score.4 = c(22, 
50, 33, 28, 27, 33)), row.names = c(NA, -6L), class = c("tbl_df", 
"tbl", "data.frame"))

示例输出

以下是代码中#1的输出。我想要的是下面的副本，仅使用来自相应时间点的数据（即基线、第 1 年、第 2 年）。

【问题讨论】：

你能解释一下你所说的“分裂”是什么意思吗？如果每个 Timepoint 类 baseline, year1, yeare2 的数量相同，您可以在该列上 pivot_wider 并为每个类获取一个单独的列。如果要分别分析每个 Timepoint 类，可以使用filter 制作单独的数据集。你能举一个你最终想要做什么的例子吗？

请添加使用的包，因为据我所知gg_miss_var 不是基本 R 函数。

您的预期输出如何？

【参考方案1】：

你期待吗？

library(tidyverse)
library(naniar)
df %>% select(-ID) %>% 
  group_by(Timepoint) %>% 
  gg_miss_var(facet = Timepoint)

除非您更喜欢三个独立的地块。然后这样做：

df %>% select(-ID) %>% 
  group_by(Timepoint) %>% 
  group_map(~gg_miss_var(.x)+ggtitle(.y))

这是你期待的效果吗？