根据日期（以及更多）拆分、过滤和选择数据

Posted 2023-03-10

【中文标题】根据日期（以及更多）拆分、过滤和选择数据

【英文标题】：Splitting, Filtering and Selecting data based on date (and a bit more)

【发布时间】：2021-12-11 13:58:54

【问题描述】：

首先，一些示例数据

day <- c("2004-02-13", "2004-02-13", "2004-12-10", "2004-12-10", "2005-05-01", "2005-05-01", "2005-11-29", "2005-11-29", "2007-06-22", "2007-06-24")
test <- c('weight', 'metabolic rate', 'weight', 'metabolic rate', 'weight', 'metabolic rate', 'weight', 'metabolic rate', 'weight', 'metabolic rate')
testvalue <- c(90, 2300, 80, 2200, 100, 2500, 70, 2000, 65, 1800)

data <- data.frame(day, test, testvalue)

data$day <- as.Date(data$day) 

我有一个如下构建的数据集：真正的目标是对体重和代谢体重之间的关系进行皮尔逊相关，并要求必须在同一天进行测试。

data

我希望在同一天进行的测试能够配对。 并且必须丢弃所有独立的数据（如体重“65”和代谢率“1800”）。以下是我想要结束的（在这个例子中）。 我相信可能有一个功能可以丢弃不重复的日期，但是我仍然不知道如何分隔列。

weight <- c(90, 80, 100, 70)
metabolic_rate <-c(2300,2200,2500,2000)
end_result <- data.frame(weight, metabolic_rate)
end_result

cor.test(end_result$weight, end_result$metabolic_rate)

【参考方案1】：

你可以试试

require(magrittr)
require(tidyr)

dt <- spread(data, key = 'test', value = 'testvalue') %>% na.omit
with(dt,
     cor.test(`metabolic rate`, `weight`)
)

在这里，您通过test 与day 转换数据，并通过na.omit 删除那些至少具有一个NA 值的行。

【讨论】：

感谢您的回答。我不能让它与 reshape2 一起工作。看起来它已经退役了：rdocumentation.org/packages/reshape2/versions/1.4.4

@RasmusFrosted 哇，很遗憾看到dcast 退休了。 seems thatspread 是最新的方法

@RasmusFrosted 使用 tidyr 替代编辑。

【参考方案2】：

使用tidyr的替代方法：

end_result <- data |>
  tidyr::pivot_wider(names_from = test, values_from = testvalue) |>
  na.omit() 

cor.test(end_result$weight, end_result$"metabolic rate")

【讨论】：

您好，谢谢您的回答！当我将此代码应用于我的真实代码时，“体重”和“代谢率”列表只会删除所有数字并放入 代替 OR 。你知道如何解决这个问题吗？

这可能是因为数据不是一个简单的数字向量——它是一个列表吗？否则，我想不出理由。 pivot_wider() 除了重新排列数据并没有做太多事情