R 多列处理和动态命名新列
变量被错误地输入到多个列中，例如：“aaa_1”、“aaa_2”和“aaa_3”或“ccc_1”、“ccc_2”和“ccc_3”）。需要创建单个新列（例如“aaa”或“ccc”）。虽然某些变量当前位于单个列中（“hhh_1”），但可能会添加更多列（hhh_2等） 这就是我得到的：R 多列处理和动态命名新列,r,naming,data-cleaning,large-data,R,Naming,Data Cleaning,Large Data,变量被错误地输入到多个列中，例如：“aaa_1”、“aaa_2”和“aaa_3”或“ccc_1”、“ccc_2”和“ccc_3”）。需要创建单个新列（例如“aaa”或“ccc”）。虽然某些变量当前位于单个列中（“hhh_1”），但可能会添加更多列（hhh_2等） 这就是我得到的： aaa_1 <- c(43, 23, 65, NA, 45) aaa_2 <- c(NA, NA, NA, NA, NA) aaa_3 <- c(NA, NA, 92, NA, 82)
aaa_1 <- c(43, 23, 65, NA, 45)
aaa_2 <- c(NA, NA, NA, NA, NA)
aaa_3 <- c(NA, NA, 92, NA, 82)
ccc_1 <- c("fra", NA, "spa", NA, NA)
ccc_2 <- c(NA, NA, NA, "wez", NA)
ccc_3 <- c(NA, "ija", NA, "fda", NA)
ccc_4 <- c(NA, NA, NA, NA, NA)
hhh_1 <- c(183, NA, 198, NA, 182)
dataf1 <- data.frame(aaa_1,aaa_2,aaa_3,ccc_1,ccc_2, ccc_3,ccc_4,hhh_1)
aaa_1我们可以尝试使用splitstackshape
library(splitstackshape)
nm1 <- sub("_\\d+", "", names(dataf1))
tbl <- table(nm1) > 1
merged.stack(dataf1, var.stubs = names(tbl)[tbl], sep="_")
库（splitstackshape）
nm1我们可以尝试使用splitstackshape
library(splitstackshape)
nm1 <- sub("_\\d+", "", names(dataf1))
tbl <- table(nm1) > 1
merged.stack(dataf1, var.stubs = names(tbl)[tbl], sep="_")
库（splitstackshape）
nm1我不确定您的示例是否正确。例如，在第三行中，您得到了age_1和age_3的值，然后在该行的所需输出NA中
如果我已经理解了您要做的事情，那么将列转置到行，修复它们，然后再转置回来会容易得多。请尝试使用dplyr和tidyr的“tidyverse”作为起点
library(tidyverse)
library(stringr)
age_1 <- c(43, 23, 65, NA, 45)
age_2 <- c(NA, NA, NA, NA, NA)
age_3 <- c(NA, NA, 92, NA, 82)
country_1 <- c("fra", NA, "spa", NA, NA)
country_2 <- c(NA, NA, NA, "wez", NA)
country_3 <- c(NA, "ija", NA, "fda", NA)
country_4 <- c(NA, NA, NA, NA, NA)
hight_1 <- c(183, NA, 198, NA, 182)
dataf1 <- data.frame(age_1,age_2,age_3,country_1,country_2, country_3,country_4,hight_1)
data <- dataf1 %>%
mutate(row_num = row_number()) %>% #create a row number to track values
gather(key, value, -row_num) %>% #flatten your data
drop_na() %>% #drop na rows
mutate(key = str_replace(key, "_.", "")) %>% #remove the '_x' part of names
group_by(row_num) %>%
top_n(1) %>%
spread(key, value) #pivot back to columns
库（tidyverse）
图书馆（stringr）
年龄1%#删除na行
mutate（key=str_replace（key，“，”）%>%#删除名称的“_x”部分
分组依据（行数，键）%>%
mutate（count=n（））%>%#计算每行/键组合的条目数
mutate（value=ifelse（count>1，NA，value））%>%#为具有重复项的行设置NA
下拉菜单（）%>%
排列（键，值）%>%#返回到列
选择（-count）#删除'count'变量
我不确定您的示例是否正确。例如，在第三行中，您得到了age_1和age_3的值，然后在该行的所需输出NA中
如果我已经理解了您要做的事情，那么将列转置到行，修复它们，然后再转置回来会容易得多。请尝试使用dplyr和tidyr的“tidyverse”作为起点
library(tidyverse)
library(stringr)
age_1 <- c(43, 23, 65, NA, 45)
age_2 <- c(NA, NA, NA, NA, NA)
age_3 <- c(NA, NA, 92, NA, 82)
country_1 <- c("fra", NA, "spa", NA, NA)
country_2 <- c(NA, NA, NA, "wez", NA)
country_3 <- c(NA, "ija", NA, "fda", NA)
country_4 <- c(NA, NA, NA, NA, NA)
hight_1 <- c(183, NA, 198, NA, 182)
dataf1 <- data.frame(age_1,age_2,age_3,country_1,country_2, country_3,country_4,hight_1)
data <- dataf1 %>%
mutate(row_num = row_number()) %>% #create a row number to track values
gather(key, value, -row_num) %>% #flatten your data
drop_na() %>% #drop na rows
mutate(key = str_replace(key, "_.", "")) %>% #remove the '_x' part of names
group_by(row_num) %>%
top_n(1) %>%
spread(key, value) #pivot back to columns
库（tidyverse）
图书馆（stringr）
年龄1%#删除na行
mutate（key=str_replace（key，“，”）%>%#删除名称的“_x”部分
分组依据（行数，键）%>%
mutate（count=n（））%>%#计算每行/键组合的条目数
mutate（value=ifelse（count>1，NA，value））%>%#为具有重复项的行设置NA
下拉菜单（）%>%
排列（键，值）%>%#返回到列
选择（-count）#删除'count'变量
这是一个基本解决方案，即没有软件包
首先定义get_only
，当给定一个列表时，它会将其转换为data.frame，并将get_only
应用于每一行。当给定一个向量时，它会返回其中的单个非NA或NA（如果不只有一个）
将root
定义为不带后缀的列名
将数据框转换为列列表，按root
对它们进行分组，并将get_only
应用于每个这样的组
最后，将结果列表转换为数据帧
get_only <- function(x) UseMethod("get_only")
get_only.list <- function(x) apply(data.frame(x), 1, get_only)
get_only.default <- function(x) if (sum(!is.na(x)) == 1) na.omit(x) else NA
root <- sub("_.*", "", names(dataf1))
as.data.frame(lapply(split(as.list(dataf1), root), FUN = get_only))
get_only这是一个基本解决方案，即没有包
首先定义get_only
，当给定一个列表时，它会将其转换为data.frame，并将get_only
应用于每一行。当给定一个向量时，它会返回其中的单个非NA或NA（如果不只有一个）
将root
定义为不带后缀的列名
将数据框转换为列列表，按root
对它们进行分组，并将get_only
应用于每个这样的组
最后，将结果列表转换为数据帧
get_only <- function(x) UseMethod("get_only")
get_only.list <- function(x) apply(data.frame(x), 1, get_only)
get_only.default <- function(x) if (sum(!is.na(x)) == 1) na.omit(x) else NA
root <- sub("_.*", "", names(dataf1))
as.data.frame(lapply(split(as.list(dataf1), root), FUN = get_only))
get_only我想确保，如果给定的人的年龄同时输入为65（年龄_1）和92（年龄_3），则输出为NA（因为我无法确定哪一个年龄是正确的，我希望能够插补该观察值/行）。谢谢！编辑了以上我的答案。您可以对条目进行计数并删除任何重复的行。我希望确保，如果给定的人的年龄已输入为65（年龄1）和92（年龄3），则输出为NA（因为我无法确定哪个年龄是正确的，我希望能够输入该观察值/行）。谢谢！编辑了上面的答案。您可以计算条目数并删除任何重复的行感谢您如此仔细地解释！感谢您如此仔细地解释！