收集多组列

Question

收集多组列我有一项在线调查的数据，在调查中，被调查者反复回答1到3次问题。调查软件(Qualtrics)将这些数据记录在多个列中，也就是说，调查中的Q3.2将包含列。Q3.2.1., Q3.2.2.，和Q3.2.3.:df <- data.frame(   id = 1:10,   time = as.Date('2009-01-01') + 0:9,   Q3.2.1. = rnorm(10, 0, 1),   Q3.2.2. = rnorm(10, 0, 1),   Q3.2.3. = rnorm(10, 0, 1),   Q3.3.1. = rnorm(10, 0, 1),   Q3.3.2. = rnorm(10, 0, 1),   Q3.3.3. = rnorm(10, 0, 1))# Sample data    id       time    Q3.2.1.     Q3.2.2.    Q3.2.3.     Q3.3.1.    Q3.3.2.     Q3.3.3.1   1 2009-01-01 -0.2059165 -0.29177677 -0.7107192  1.52718069 -0.4484351 -1.215506002   2 2009-01-02 -0.1981136 -1.19813815  1.1750200 -0.40380049 -1.8376094  1.035884823   3 2009-01-03  0.3514795 -0.27425539  1.1171712 -1.02641801 -2.0646661 -0.35353058...我想将所有QN.N*列合并成整洁的单个QN.N列，最终得到如下的结果：   id       time loop_number        Q3.2        Q3.31   1 2009-01-01           1 -0.20591649  1.527180692   2 2009-01-02           1 -0.19811357 -0.403800493   3 2009-01-03           1  0.35147949 -1.02641801...11  1 2009-01-01           2 -0.29177677  -0.448435112  2 2009-01-02           2 -1.19813815  -1.837609413  3 2009-01-03           2 -0.27425539  -2.0646661...21  1 2009-01-01           3 -0.71071921 -1.2155060022  2 2009-01-02           3  1.17501999  1.0358848223  3 2009-01-03           3  1.11717121 -0.35353058...这个tidyr库有gather()函数，它对组合非常有用。一一组栏：得到的数据帧有30行，如预期的那样(10个个体，每个循环3个循环)。但是，收集第二组列不能正常工作-它成功地使这两组合并的列正常工作。Q3.2和Q3.3，但最后为90行，而不是30行(10个个体的所有组合，Q3.2的3个循环，Q3.3的3个循环；实际数据中每组列的组合将大幅度增加)：df %>% gather(loop_number, Q3.2, starts_with("Q3.2")) %>%    gather(loop_number, Q3.3, starts_with("Q3.3")) %>%   mutate(loop_number = str_sub(loop_number,-2,-2))    id       time loop_number        Q3.2        Q3.31   1 2009-01-01           1 -0.20591649  1.527180692   2 2009-01-02           1 -0.19811357 -0.403800493   3 2009-01-03           1  0.35147949 -1.02641801...89  9 2009-01-09           3 -0.58581232 -0.1318702490 10 2009-01-10           3 -2.33393981 -0.48502131是否有一种方法可以使用多个调用gather()像这样，在保持正确的行数的同时组合这样的列的小子集？

Answer 1

这种方法对我来说似乎很自然：

df %>%

  gather(key, value, -id, -time) %>%

  extract(key, c("question", "loop_number"), "(Q.\\..)\\.(.)") %>%

  spread(question, value)

首先收集所有问题列，使用extract()分离成question和loop_number，然后spread()回到列中。

#>    id       time loop_number         Q3.2        Q3.3

#> 1   1 2009-01-01           1  0.142259203 -0.35842736

#> 2   1 2009-01-01           2  0.061034802  0.79354061

#> 3   1 2009-01-01           3 -0.525686204 -0.67456611

#> 4   2 2009-01-02           1 -1.044461185 -1.19662936

#> 5   2 2009-01-02           2  0.393808163  0.42384717

Answer 2

这可以用reshape..这是有可能的dplyr尽管如此。

  colnames(df) <- gsub("\\.(.{2})$", "_\\1", colnames(df))

  colnames(df)[2] <- "Date"

  res <- reshape(df, idvar=c("id", "Date"), varying=3:8, direction="long", sep="_")

  row.names(res) <- 1:nrow(res)

   head(res)

  #  id       Date time       Q3.2       Q3.3

  #1  1 2009-01-01    1  1.3709584  0.4554501

  #2  2 2009-01-02    1 -0.5646982  0.7048373

  #3  3 2009-01-03    1  0.3631284  1.0351035

  #4  4 2009-01-04    1  0.6328626 -0.6089264

  #5  5 2009-01-05    1  0.4042683  0.5049551

  #6  6 2009-01-06    1 -0.1061245 -1.7170087

或使用dplyr

  library(tidyr)

  library(dplyr)

  colnames(df) <- gsub("\\.(.{2})$", "_\\1", colnames(df))

  df %>%

     gather(loop_number, "Q3", starts_with("Q3")) %>% 

     separate(loop_number,c("L1", "L2"), sep="_") %>% 

     spread(L1, Q3) %>%

     select(-L2) %>%

     head()

  #  id       time       Q3.2       Q3.3

  #1  1 2009-01-01  1.3709584  0.4554501

  #2  1 2009-01-01  1.3048697  0.2059986

  #3  1 2009-01-01 -0.3066386  0.3219253

  #4  2 2009-01-02 -0.5646982  0.7048373

  #5  2 2009-01-02  2.2866454 -0.3610573

  #6  2 2009-01-02 -1.7813084 -0.7838389