在R中，为什么对gather（）的调用会这样做？

这里有一个可复制的例子，我解释了它为什么会这样做

data = read.csv(text="Email foo.final bar.final
abc@foo.com 100       200
cde@foo.com 101       201
xyz@foo.com 102       202
zzz@foo.com 103       103", header=T, sep="" )

a = gather(data, key, Grade, -Email)

意思是：除了“Email”之外，将所有列的值放入一个名为“Grade”的新列中，并添加一个名为“key”的新列，其中包含出现值的列标题。假设我们有4个观测值，每个观测值有两个变量，那么应该产生8个观测值。结果:

        Email       key Grade
1 abc@foo.com foo.final   100
2 cde@foo.com foo.final   101
3 xyz@foo.com foo.final   102
4 zzz@foo.com foo.final   103
5 abc@foo.com bar.final   200
6 cde@foo.com bar.final   201
7 xyz@foo.com bar.final   202
8 zzz@foo.com bar.final   103

         key       Grade
1      Email abc@foo.com
2      Email cde@foo.com
3      Email xyz@foo.com
4      Email zzz@foo.com
5  foo.final         100
6  foo.final         101
7  foo.final         102
8  foo.final         103
9  bar.final         200
10 bar.final         201
11 bar.final         202
12 bar.final         103

b=收集（数据、关键字、等级）

相同的意思，但现在我们包括电子邮件。现在我们有4个观测值，但有3个变量，所以我们应该得到12个观测值。结果:

        Email       key Grade
1 abc@foo.com foo.final   100
2 cde@foo.com foo.final   101
3 xyz@foo.com foo.final   102
4 zzz@foo.com foo.final   103
5 abc@foo.com bar.final   200
6 cde@foo.com bar.final   201
7 xyz@foo.com bar.final   202
8 zzz@foo.com bar.final   103

         key       Grade
1      Email abc@foo.com
2      Email cde@foo.com
3      Email xyz@foo.com
4      Email zzz@foo.com
5  foo.final         100
6  foo.final         101
7  foo.final         102
8  foo.final         103
9  bar.final         200
10 bar.final         201
11 bar.final         202
12 bar.final         103

---

我并不感到惊讶。

您可能需要做更多类似的事情

f2 <- f1 %>% 
      gather(key = Assignment, value = Grade, COURSE.final:EXAM.final) %>%
      select(-email)

f2%
收集（关键=作业，价值=分数，课程。期末：考试。期末）%>%
选择（-email）

您期望的是什么？哪一部分对你来说没有意义？我不太清楚你在问什么。另外，如果你在提问时加入一个简单的句子会更好。

str（）

不如

dput（）

有用。最好使用一个内置的数据集或一个最小的、简单的示例。这是非常期望的，对吗？您正在收集所有变量（而不是转义电子邮件），这些变量强制在单个列中使用数字/字符值。所有电子邮件实际上是相同的吗？如果不是，那么你可能会想重新考虑你给出的例子，因为它不代表你的用例。公平地说，我正在用一个可复制的例子重写整个问题，并解释让我惊讶的事情。