使用多个变量和一些时间不变将数据框从宽重塑为面板

Posted 2023-02-14

【中文标题】使用多个变量和一些时间不变将数据框从宽重塑为面板

【英文标题】：Reshape data frame from wide to panel with multiple variables and some time invariant

【发布时间】：2011-07-14 07:27:04

【问题描述】：

这是数据分析中的一个基本问题，Stata 一步到位解决。

使用时不变数据 (x0) 和 2000 年和 2005 年的时变数据 (x1,x2) 创建一个宽数据框：

d1 <- data.frame(subject = c("id1", "id2"),  
x0 = c("male", "female"),  
x1_2000 = 1:2,   
x1_2005 = 5:6,  
x2_2000 = 1:2,  
x2_2005 = 5:6    
) 

s.t.

subject x0 x1_2000 x1_2005 x2_2000 x2_2005  
1     id1 male         1       5       1       5  
2     id2 female       2       6       2       6  

我想把它塑造成一个面板，所以数据看起来像这样：

        subject     x0 time x1 x2
1     id1   male 2000  1  1
2     id2 female 2000  2  2
3     id1   male 2005  5  5
4     id2 female 2005  6  6

我可以通过reshape s.t. 做到这一点

d2 <-reshape(d1, 
idvar="subject",
varying=list(c("x1_2000","x1_2005"),
    c("x2_2000","x2_2005")),
    v.names=c("x1","x2"),
    times = c(2000,2005),
    direction = "long",
    sep= "_")

我主要担心的是，当您有几十个变量时，上述命令会变得很长。在stata 中，只需键入：

reshape long x1 x2, i(subject) j(year)

R中有这么简单的解决方案吗？

【参考方案1】：

reshape 可以猜出它的许多参数。在这种情况下，指定以下内容就足够了。不使用任何包。

 reshape(d1, dir = "long", varying = 3:6, sep = "_")

给予：

       subject     x0 time x1 x2 id
1.2000     id1   male 2000  1  1  1
2.2000     id2 female 2000  2  2  2
1.2005     id1   male 2005  5  5  1
2.2005     id2 female 2005  6  6  2

【讨论】：

不错！但是，当变量被命名为 sample_1_2000 等时会发生什么......可以使用sep= 选项更具体化吗？

@Fred，使用split 参数代替sep，即reshape(d1, dir = "long", varying = 3:6, split = list(regexp = "_2", include = TRUE))，或将这种情况简化为问题中的情况，即reshape(setNames(d1, sub("sample_", "", names(d1))), dir = "long", varying = 3:6, sep = "_")

【参考方案2】：

这里是一个使用 reshape2 包的简短示例：

library(reshape2)
library(stringr)

# it is always useful to start with melt
d2 <- melt(d1, id=c("subject", "x0"))

# redefine the time and x1, x2, ... separately
d2 <- transform(d2, time = str_replace(variable, "^.*_", ""),
                    variable = str_replace(variable, "_.*$", ""))

# finally, cast as you want
d3 <- dcast(d2, subject+x0+time~variable)

现在您甚至不需要指定 x1 和 x2。 如果变量增加，此代码有效：

> d1 <- data.frame(subject = c("id1", "id2"), x0 = c("male", "female"),
+ x1_2000 = 1:2,
+ x1_2005 = 5:6,
+ x2_2000 = 1:2,
+ x2_2005 = 5:6,
+ x3_2000 = 1:2,
+ x3_2005 = 5:6,
+ x4_2000 = 1:2,
+ x4_2005 = 5:6
+ ) 
> 
> d2 <- melt(d1, id=c("subject", "x0"))
> d2 <- transform(d2, time = str_replace(variable, "^.*_", ""),
+                     variable = str_replace(variable, "_.*$", ""))
> 
> d3 <- dcast(d2, subject+x0+time~variable)
> 
> d3
  subject     x0 time x1 x2 x3 x4
1     id1   male 2000  1  1  1  1
2     id1   male 2005  5  5  5  5
3     id2 female 2000  2  2  2  2
4     id2 female 2005  6  6  6  6

【讨论】：

谢谢，这很有用。不太清楚transform 在做什么（帮助文件不是很有帮助），也不清楚如何解释"^.*_" 和"_.*$"。我问是因为有些变量实际上被命名为“sample_1_2000”等......

也许这对于名为“sample_1_2000”的年份数据等更直观：temp1 <- transform(temp, time = str_sub(variable, -4), variable = str_sub(variable, 1,str_length(variable)-5))

@Fred 它取决于变量名的格式。如果（至少部分）字符的长度是固定的，那么你的方式会更容易。否则，正则表达式更灵活。