tidyverse使用两种不同的重塑策略（创建分类列和二进制列）进行透视
使用以下数据：tidyverse使用两种不同的重塑策略（创建分类列和二进制列）进行透视,r,pivot,tidyverse,R,Pivot,Tidyverse,使用以下数据： df <- data.frame(id = c("A", "B", "C", "A", "B", "A"), value = c(1, 2, 3, 4, 5, 6)) 预期产出： # A tibble: 3 x 10 id cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 b
df <- data.frame(id = c("A", "B", "C", "A", "B", "A"),
value = c(1, 2, 3, 4, 5, 6))
预期产出：
# A tibble: 3 x 10
id cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 bin_5 bin_6
<chr> <dbl> <dbl> <dbl> <int> <int> <int> <int> <int> <int>
1 A 1 4 6 1 0 0 1 0 1
2 B 2 5 NA 0 1 0 0 1 0
3 C 3 NA NA 0 0 1 0 0 0
#一个tible:3 x 10
id cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 bin_5 bin_6
1A14610101
2B25NA01010
3c3na0100
tt <- unstack(df[2:1])
x <- cbind(t(sapply(tt, "[", seq_len(max(lengths(tt))))),
t(+sapply(names(tt), "%in%", x=df$id)))
colnames(x) <- c(paste0("cat_", seq_len(max(lengths(tt)))),
paste0("bin_", seq_len(nrow(df))))
x
# cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 bin_5 bin_6
#A 1 4 6 1 0 0 1 0 1
#B 2 5 NA 0 1 0 0 1 0
#C 3 NA NA 0 0 1 0 0 0
tt通过添加purrr
，您可以：
map(.x = reduce(range(df$value), `:`),
~ df %>%
group_by(id) %>%
mutate(!!paste0("bin_", .x) := as.numeric(.x %in% value))) %>%
reduce(full_join) %>%
mutate(cats = paste0("cat_", row_number())) %>%
pivot_wider(names_from = "cats",
values_from = "value")
id bin_1 bin_2 bin_3 bin_4 bin_5 bin_6 cat_1 cat_2 cat_3
<fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 A 1 0 0 1 0 1 1 4 6
2 B 0 1 0 0 1 0 2 5 NA
3 C 0 0 1 0 0 0 3 NA NA
map（.x=reduce（范围（df$值），`:`），
~df%>%
分组依据（id）%>%
mutate（！！paste0（“bin_”，.x）：=as.numeric（.x%in%value）））%>%
减少（完全联接）%>%
突变（cats=paste0（“cat”，row_number（））%>%
枢轴_加宽（name_from=“cats”，
值\u from=“value”）
id bin_1 bin_2 bin_3 bin_4 bin_5 bin_6 cat_1 cat_2 cat_3
1A1001014146
2B01001025NA
3C0010303NA
通过减少df2
代码，并利用列表和
技巧将其全部包含在一个管道中，从而稍微修改您的方法，该技巧允许您在同一调用中处理两个版本的df
这与你所做的相比并没有太大的改进，但现在它是一个电话。我想不出没有merge/join
的方法
library(tidyverse)
df %>%
list(
pivot_wider(., id_cols = id,
names_from = value,
names_prefix = "bin_") %>%
mutate_if(is.numeric, ~ +(!is.na(.))), #convert to binary
group_by(., id) %>%
mutate(group_id = 1:n()) %>%
ungroup() %>%
pivot_wider(names_from = group_id,
names_prefix = "cat_",
values_from = value)
) %>%
.[c(2:3)] %>%
reduce(left_join)
# id bin_1 bin_2 bin_3 bin_4 bin_5 bin_6 cat_1 cat_2 cat_3
# <chr> <int> <int> <int> <int> <int> <int> <dbl> <dbl> <dbl>
# 1 A 1 0 0 1 0 1 1 4 6
# 2 B 0 1 0 0 1 0 2 5 NA
# 3 C 0 0 1 0 0 0 3 NA NA
库（tidyverse）
df%>%
名单(
枢轴较宽（，id\u cols=id，
name_from=value，
名称\u prefix=“bin”）%%>%
如果（is.numeric，~+（！is.na）（）），#转换为二进制
分组依据（%，id）%>%
变异（组id=1:n（））%>%
解组（）%>%
pivot\u更宽（name\u from=组\u id，
名称\u prefix=“cat”，
值（从=值）
) %>%
[c（2:3）]%>%
减少（左联合）
#id bin_1 bin_2 bin_3 bin_4 bin_5 bin_6 cat_1 cat_2 cat_3
#
#1A1001014146
#2B01001025NA
#3C0010303NA
即使您可以将两种语法合并为一种语法，而无需创建任何中间对象
df %>%
group_by(id) %>%
mutate(group_id = row_number()) %>%
pivot_wider(names_from = group_id,
names_prefix = "cat_",
values_from = value) %>% left_join(df %>% mutate(dummy = 1) %>% arrange(value) %>% pivot_wider(names_from = value,
names_prefix = "bin_",
values_from = dummy,
values_fill = list(dummy = 0),
values_fn = list(dummy = length)), by = "id")
# A tibble: 3 x 10
# Groups: id [3]
id cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 bin_5 bin_6
<chr> <dbl> <dbl> <dbl> <int> <int> <int> <int> <int> <int>
1 A 1 4 6 1 0 0 1 0 1
2 B 2 5 NA 0 1 0 0 1 0
3 C 3 NA NA 0 0 1 0 0 0
df%>%
分组依据（id）%>%
变异（组id=行编号（））%>%
pivot\u更宽（name\u from=组\u id，
名称\u prefix=“cat”，
值\u from=value）%%>%left\u join（df%%>%mutate（dummy=1）%%>%arrange（value）%%>%pivot\u wide（names\u from=value，
名称\u prefix=“bin”，
值_from=dummy，
值\u填充=列表（虚拟=0），
值_fn=list（dummy=length）），by=“id”）
#一个tibble:3x10
#组别:id[3]
id cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 bin_5 bin_6
1A14610101
2B25NA01010
3c3na0100
不太可能。链接的问题实际上只是关于创建二进制版本（我知道怎么做）。我的问题是如何在一个步骤中同时完成分类和二进制。这是一种有趣的方法，但看看它，它也可以归结为一个事实，某种形式的连接是潜入的。或者换句话说。仅仅使用枢轴可能无法实现我想要的。但我目前的方法肯定有一些改变。其中涉及到一些连接，但它的用法与您的完全不同。可能只用枢轴就能解决，但我不知道有这样的解决方法。谢谢。是的，严格来说，这将是一条管道。我可能不够精确：我想知道的是，我是否可以简单地做两个旋转，一个接一个。但我意识到这似乎是不可能的，也许这也是可能的。让我想想办法
df %>%
group_by(id) %>%
mutate(group_id = row_number()) %>%
pivot_wider(names_from = group_id,
names_prefix = "cat_",
values_from = value) %>% left_join(df %>% mutate(dummy = 1) %>% arrange(value) %>% pivot_wider(names_from = value,
names_prefix = "bin_",
values_from = dummy,
values_fill = list(dummy = 0),
values_fn = list(dummy = length)), by = "id")
# A tibble: 3 x 10
# Groups: id [3]
id cat_1 cat_2 cat_3 bin_1 bin_2 bin_3 bin_4 bin_5 bin_6
<chr> <dbl> <dbl> <dbl> <int> <int> <int> <int> <int> <int>
1 A 1 4 6 1 0 0 1 0 1
2 B 2 5 NA 0 1 0 0 1 0
3 C 3 NA NA 0 0 1 0 0 0