R：如何使用其他列中的数据在一列中创建多个新值并为每个新值重复行？

Posted 2023-04-13

【中文标题】R：如何使用其他列中的数据在一列中创建多个新值并为每个新值重复行？

【英文标题】：R : how to create multiple new values in one column and repeat line for each new value, using data in other columns?

【发布时间】：2018-07-10 15:26:53

【问题描述】：

我的数据看起来像这样：

data_t <- data.frame(identfiant = paste0('ID_', 1:5), 
                     date = c('2018-02-06', '2018-05-14', '2018-03-23', '2018-04-10', '2018-03-03'),
                     ndays = c(4,2,3,5,2))

导致：

    identfiant         date  ndays
1         ID_1   2018-02-06      4
2         ID_2   2018-05-14      2
3         ID_3   2018-03-23      3
4         ID_4   2018-04-10      5
5         ID_5   2018-03-03      2

我想创建一个如下所示的新表：

    identfiant          date  ndays           y
1         ID_1   2018-02-06       4  2018-02-07
2         ID_1   2018-02-06       4  2018-02-08
3         ID_1   2018-02-06       4  2018-02-09
4         ID_1   2018-02-06       4  2018-02-10
5         ID_2   2018-05-14       2  2018-05-15
6         ID_2   2018-05-14       2  2018-05-16
7         ID_3   2018-03-23       3  2018-03-24
8         ID_3   2018-03-23       3  2018-03-25
9         ID_3   2018-03-23       3  2018-03-26
10        ID_4   2018-04-10       5  2018-04-11
11        ID_4   2018-04-10       5  2018-04-12
12        ID_4   2018-04-10       5  2018-04-13
13        ID_4   2018-04-10       5  2018-04-14
14        ID_4   2018-04-10       5  2018-04-15
15        ID_5   2018-03-03       2  2018-03-04
16        ID_5   2018-03-03       2  2018-03-05

如我们所见，每行初始行都重复了ndays 次，而新列y 由date + 1:ndays 组成。

是否有任何优雅的方法可以使用 dplyr 或 data.table 来做到这一点。 我绝对不想使用for 循环（对于大量数据来说太长）和seq_along。

我想首先创建一个列，将每一行的所有可能值粘贴在一起，这样我们就可以在第一行使用 y = '2018-02-07;2018-02-08;2018-02-09;2018-02-10'，然后执行 reshape(dcast) 或 separate_rows。 我的代码如下所示：

data_t2 <- data_t %>%
 mutate(
   y = paste0(as.Date(date)+1:ndays, collapse = ";")
 ) %>%
 separate_row(y, sep = ";\\s+")

问题在于，对于 R，data_t$date 是一个向量，并且由于它不会单独处理每一行，因此它会通过一次处理向量 data_t$date 来创建一个新向量 y，并且不会不知道要引用data_t$ndays 的哪个值。我们会遇到向量长度一致性问题。

有人有想法吗？

提前致谢

【参考方案1】：

我们应该能够在dplyr 和tidyr 内做到这一点

使用tidyr::uncount，我们可以通过根据ndays复制行来重新格式化数据。 接下来，我们将按identfiant（或同时按identfiant 和date，取决于identfiant 是否不唯一）对数据进行分组。 最后，我们将使用mutate 来确保我们的date 字段属于正确的类，然后在组中添加行号（对于每个组，这将类似于1:ndays。

library(dplyr)
library(tidyr)

data_t %>% 
  uncount(ndays, .remove = FALSE) %>% 
  group_by(identfiant) %>% 
  mutate(date = as.Date(date),
         y = date + row_number())

非tidyr方法：

df.expanded <- data_t[rep(seq(nrow(data_t)), data_t$ndays), ]

df.expanded %>% 
  group_by(identfiant) %>% 
  mutate(date = as.Date(date),
         y = date + row_number())

无论哪种方式，这两种方法都可以为我们提供以下信息：

# A tibble: 16 x 4
# Groups:   identfiant [5]
   identfiant date       ndays y         
   <fct>      <date>     <dbl> <date>    
 1 ID_1       2018-02-06    4. 2018-02-07
 2 ID_1       2018-02-06    4. 2018-02-08
 3 ID_1       2018-02-06    4. 2018-02-09
 4 ID_1       2018-02-06    4. 2018-02-10
 5 ID_2       2018-05-14    2. 2018-05-15
 6 ID_2       2018-05-14    2. 2018-05-16
 7 ID_3       2018-03-23    3. 2018-03-24
 8 ID_3       2018-03-23    3. 2018-03-25
 9 ID_3       2018-03-23    3. 2018-03-26
10 ID_4       2018-04-10    5. 2018-04-11
11 ID_4       2018-04-10    5. 2018-04-12
12 ID_4       2018-04-10    5. 2018-04-13
13 ID_4       2018-04-10    5. 2018-04-14
14 ID_4       2018-04-10    5. 2018-04-15
15 ID_5       2018-03-03    2. 2018-03-04
16 ID_5       2018-03-03    2. 2018-03-05

【讨论】：

非常感谢。我非常喜欢你的回答。但不幸的是，我工作的服务器有一个旧版本的tidyr（v0.6.0），其中不存在函数uncount！我会继续寻找，以便找到解决方案。再次感谢。

为您添加了避免tidyr 的替代方案。我假设您仍然可以使用 dplyr，因为您在原始问题中包含了 dplyr 语法

是的，非常感谢！第二种解决方案有效！