更改奇怪数据框的格式

Posted 2023-03-28

【中文标题】更改奇怪数据框的格式

【英文标题】：Changing the format of a weird data frame

【发布时间】：2019-11-22 15:00:14

【问题描述】：

我有一个 csv 文件，其中包含一个非常奇怪的表格，我想以正确的方式对其进行格式化。

背景： 学生可以在在线平台上回答问题。这些问题标记为 Test1、Test2、Test3。这三个问题以包的形式呈现，但问题的顺序是随机的。可以是Test1、Test2、Test3或Test2、Test3、Test1等。

我可以将结果下载到 csv 文件中。如果我将结果放到数据框中，它看起来像这样。

分析结果需要的是以下格式：

我正在考虑本地化第一列中每次出现的“姓名”，以将数据框切割成单个数据框，其中每个数据框代表一个学生，如下所示：

对于StudentB，我可以重新排列列，所以看起来像

然后我可以删除按 StudentB 排序的每个学生的列描述并将它们重新组合在一起，给我

虽然我是一名 R 初学者，但我非常有信心找到一种方法来做到这一点，但是如何重新排序 StudentA？

所以我的第一个问题是：哪种方法更好？ 第二个问题：回答过多次测试的学生呢？

最好的问候！

【问题讨论】：

你能提供一个可运行的例子吗？

【参考方案1】：

这个函数会做你想做的：

（编辑：根据 OP 的评论更新以反映对问题的更改）

library(tidyr)

# Read in the test data
dat <- read.csv("data_v2.csv", header=F, colClasses="character")
dat

reformat.student.data <- function(dat) 
    # To group together the rows belonging to each student
    grouprows <- cumsum(dat[,1] == "Name")

    # Function to rearrange the data for a single student
    f <- function(x) 
        Name <- x[2, 1]
        y <- unlist(x[, -1])
        n <- length(y)
        w <- y[seq(1, n-1, 2)]
        w <- paste0(1:(nrow(x)/2), "_", w)
        v <- y[seq(2, n, 2)]
        data.frame(Name, w, v, stringsAsFactors=F)[order(w),]
    

    # Use `by` to apply the function to each student
    dat2 <- do.call(rbind, by(dat, grouprows, f))

    # Use `spread` to reshape the data
    dat3 <- tidyr::spread(dat2, w, v)

    dat3 # The desired results

reformat.student.data(dat)

这是测试数据：

> dat
##     V1    V2    V3    V4
## 1 Name Test1 Test2 Test3
## 2    A     1     2     1
## 3      Test1 Test2 Test3
## 4          1     1     2
## 5      Test2 Test3 Test1
## 6          1     2     1
## 7 Name Test2 Test1 Test3
## 8    B     1     2     1

结果如下：

> reformat.student.data(dat)
##   Name 1_Test1 1_Test2 1_Test3 2_Test1 2_Test2 2_Test3 3_Test1 3_Test2
## 1    A       1       2       1       1       1       2       1       1
## 2    B       2       1       1    <NA>    <NA>    <NA>    <NA>    <NA>
##   3_Test3
## 1       2
## 2    <NA>

编辑：稍微改进了代码。

【讨论】：

哇，非常感谢！我可以重现您对您提供的数据集所做的事情。遗憾的是，我注意到我的数据集看起来不像我想象的那样。测试没有以正确的方式编号。而不是 1_Test1 或 2_Test1 两者都被标记为 Test1。是否可以在函数 f 中添加前导数字？

再次感谢您！我不得不更改一些变量，但现在一切都按预期工作。我可能会花一整天的时间弄清楚你的每一行代码是做什么的！