如何将多个变量的重复测量值传播为宽格式？
Posted
技术标签:
【中文标题】如何将多个变量的重复测量值传播为宽格式？【英文标题】：How can I spread repeated measures of multiple variables into wide format? 【发布时间】：2015-06-28 19:20:59 【问题描述】：我正在尝试获取长格式的列并将它们扩展为宽格式，如下所示。我想使用 tidyr 通过我正在投资的数据处理工具来解决这个问题，但为了使这个答案更通用，请提供其他解决方案。
这是我所拥有的：
library(dplyr); library(tidyr)
set.seed(10)
dat <- data_frame(
Person = rep(c("greg", "sally", "sue"), each=2),
Time = rep(c("Pre", "Post"), 3),
Score1 = round(rnorm(6, mean = 80, sd=4), 0),
Score2 = round(jitter(Score1, 15), 0),
Score3 = 5 + (Score1 + Score2)/2
)
## Person Time Score1 Score2 Score3
## 1 greg Pre 80 78 84.0
## 2 greg Post 79 80 84.5
## 3 sally Pre 75 74 79.5
## 4 sally Post 78 78 83.0
## 5 sue Pre 81 78 84.5
## 6 sue Post 82 81 86.5
所需的宽格式：
Person Pre.Score1 Pre.Score2 Pre.Score3 Post.Score1 Post.Score2 Post.Score3
1 greg 80 78 84.0 79 80 84.5
2 sally 75 74 79.5 78 78 83.0
3 sue 81 78 84.5 82 81 86.5
我可以通过为每个分数做这样的事情来做到这一点：
spread(dat %>% select(Person, Time, Score1), Time, Score1) %>%
rename(Score1_Pre = Pre, Score1_Post = Post)
然后使用_join，但这似乎很冗长，并且必须有更好的方法。
相关问题：tidyr wide to long with two repeated measuresIs it possible to use spread on multiple columns in tidyr similar to dcast?
【问题讨论】：
使用data.table 的开发版本更容易，即。 dcast(setDT(dat), Person~Time, value.var=c('Score1', 'Score2', 'Score3'))
@TylerRinker，我认为他指的是您结果的第二列
【参考方案1】：
编辑：我正在更新这个答案，因为 pivot_wider 已经存在了一段时间，并解决了这个问题和 cmets 中的问题。你现在可以做
pivot_wider(
dat,
id_cols = 'Person',
names_from = 'Time',
values_from = c('Score1', 'Score2', 'Score3'),
names_glue = 'Time..value'
)
得到想要的结果。
原来的答案是
dat %>%
gather(temp, score, starts_with("Score")) %>%
unite(temp1, Time, temp, sep = ".") %>%
spread(temp1, score)
【讨论】：
这是我所追求的 tidyr 解决方案，据说它不如这里的其他两个答案中的任何一个令人满意。我想看看 reshape2 对添加到 tidyr 的这种移动的功能。 @TylerRinker tidyr 的目标是让你的数据整洁，所以你不应该期望相反的事情会更容易 @hadely 是的，我可以看到这些工具应该如何满足包的理念。我经常认为 tidyr 已经取代了 reshape 但实际上它们有不同的基本理念（包名说明了一切）； tidyr 是 reshape2 的子哲学。 untidyr 软件包的任何计划 :-) @TylerRinker 不，但我认为像 gtable 这样的东西有空间，目的是制作“表格语法”，以有用的表格格式输出整洁的数据 在所有（非常）应有的尊重下，@hadley，“整洁”有点上下文。与 OP 一样，我的原始数据具有单独的“观察”，需要在逻辑上配对到 pre 和 post 以计算更改。因此，我会说每个前/后对在这种情况下都是一个“观察”。【参考方案2】：使用reshape2：
library(reshape2)
dcast(melt(dat), Person ~ Time + variable)
生产：
Using Person, Time as id variables
Person Post_Score1 Post_Score2 Post_Score3 Pre_Score1 Pre_Score2 Pre_Score3
1 greg 79 78 83.5 83 81 87.0
2 sally 82 81 86.5 75 74 79.5
3 sue 78 78 83.0 82 79 85.5
【讨论】：
可能只需要recast(dat, Person ~ Time + variable) 就足够了。
谢谢@DavidArenburg，不知道那个【参考方案3】：
使用data.table 包中的dcast。
library(data.table)#v1.9.5+
dcast(setDT(dat), Person~Time, value.var=paste0("Score", 1:3))
# Person Score1_Post Score1_Pre Score2_Post Score2_Pre Score3_Post Score3_Pre
#1: greg 79 80 80 78 84.5 84.0
#2: sally 78 75 78 74 83.0 79.5
#3: sue 82 81 81 78 86.5 84.5
或reshape 来自baseR
reshape(as.data.frame(dat), idvar='Person', timevar='Time',direction='wide')
更新
从开发版本tidyr_0.8.3.9000 或CRAN 版本tidyr_1.0.0，我们可以将pivot_wider 用于多个值列
library(tidyr)
library(stringr)
dat %>%
pivot_wider(names_from = Time, values_from = str_c("Score", 1:3))
# A tibble: 3 x 7
# Person Score1_Pre Score1_Post Score2_Pre Score2_Post Score3_Pre Score3_Post
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#1 greg 80 79 78 80 84 84.5
#2 sally 75 78 74 78 79.5 83
#3 sue 81 82 78 81 84.5 86.5
【讨论】：
value.var=paste0("Score", 1:3)? +1 为基地（我仍然害怕reshape）
@BrodieG 谢谢，它可以工作，names(dat)[3:5] 也可以是grep。【参考方案4】：
我为自己做了一个基准测试并在这里发布以防有人感兴趣：
代码
设置是从 OP、三个变量、两个时间点中选择的。但是，数据框的大小从 1,000 到 100,000 行不等。
library(magrittr)
library(data.table)
library(bench)
f1 <- function(dat)
tidyr::gather(dat, key = "key", value = "value", -Person, -Time) %>%
tidyr::unite("id", Time, key, sep = ".") %>%
tidyr::spread(id, value)
f2 <- function(dat)
reshape2::dcast(melt(dat, id.vars = c("Person", "Time")), Person ~ Time + variable)
f3 <- function(dat)
dcast(melt(dat, id.vars = c("Person", "Time")), Person ~ Time + variable)
create_df <- function(rows)
dat <- expand.grid(Person = factor(1:ceiling(rows/2)),
Time = c("1Pre", "2Post"))
dat$Score1 <- round(rnorm(nrow(dat), mean = 80, sd = 4), 0)
dat$Score2 <- round(jitter(dat$Score1, 15), 0)
dat$Score3 <- 5 + (dat$Score1 + dat$Score2)/2
return(dat)
结果
如您所见，reshape2 比 tidyr 快一点，可能是因为 tidyr 的开销更大。重要的是，data.table 的行数超过 10,000 行。
press(
rows = 10^(3:5),
dat <- create_df(rows)
dat2 <- copy(dat)
setDT(dat2)
bench::mark(tidyr = f1(dat),
reshape2 = f2(dat),
datatable = f3(dat2),
check = function(x, y) all.equal(x, y, check.attributes = FALSE),
min_iterations = 20
)
)
#> Warning: Some expressions had a GC in every iteration; so filtering is
#> disabled.
#> # A tibble: 9 x 11
#> expression rows min mean median max `itr/sec` mem_alloc
#> <chr> <dbl> <bch:tm> <bch:tm> <bch:tm> <bch:tm> <dbl> <bch:byt>
#> 1 tidyr 1000 5.7ms 6.13ms 6.02ms 10.06ms 163. 2.78MB
#> 2 reshape2 1000 2.82ms 3.09ms 2.97ms 8.67ms 323. 1.7MB
#> 3 datatable 1000 3.82ms 4ms 3.92ms 8.06ms 250. 2.78MB
#> 4 tidyr 10000 19.31ms 20.34ms 19.95ms 22.98ms 49.2 8.24MB
#> 5 reshape2 10000 13.81ms 14.4ms 14.4ms 15.6ms 69.4 11.34MB
#> 6 datatable 10000 14.56ms 15.16ms 14.91ms 18.93ms 66.0 2.98MB
#> 7 tidyr 100000 197.24ms 219.69ms 205.27ms 268.92ms 4.55 90.55MB
#> 8 reshape2 100000 164.02ms 195.32ms 176.31ms 284.77ms 5.12 121.69MB
#> 9 datatable 100000 51.31ms 60.34ms 58.36ms 113.69ms 16.6 27.36MB
#> # ... with 3 more variables: n_gc <dbl>, n_itr <int>, total_time <bch:tm>
由reprex package (v0.2.1) 于 2019 年 2 月 27 日创建
【讨论】：
以上是关于如何将多个变量的重复测量值传播为宽格式？的主要内容，如果未能解决你的问题，请参考以下文章