R 基本整形功能错误，从宽到长格式

我有以下宽格式数据帧：

df<-structure(list(ID = c(1, 2, 3), A.1 = c(0, 1, 0), A.2 = c(1, 
1, 0), B.1 = c(99, 99, 0), B.2 = c(99, 99, 0)), .Names = c("ID", 
"A.1", "A.2", "B.1", "B.2"), row.names = c(NA, 3L), class = "data.frame")

   > df

  ID A.1 A.2 B.1 B.2
1  1   0   1  99  99
2  2   1   1  99  99
3  3   0   0   0   0

因此，这种转换是不正确的，值变得混乱。例如，对于时间点1，ID 1的参数B的值从99变为1，对于ID 1和2，参数A的值在第二个时间点变为99，依此类推

预期产出应如下所示：

 > expected.long.df
     ID time A  B
 1.1  1    1 0 99
 2.1  2    1 1 99
 3.1  3    1 0  0
 1.2  1    2 1 99
 2.2  2    2 1 99
 3.2  3    2 0  0

---

我不知道为什么会这样。如果有任何建议，那将是非常好的

我会使用

tidyr

库：

library(tidyr)
temp1 = gather(df, key = "x", value = "y", -ID)
temp2 = separate(temp1, x, into = c("z", "time"), sep = "[.]")
temp3 = spread(temp2, key = z, value = y)

temp3

表看起来像您想要的结果，但顺序不完全相同。使用

dplyr

的

arrange

将其设置正确：

> dplyr::arrange(temp3, time, ID)
  ID time A  B
1  1    1 0 99
2  2    1 1 99
3  3    1 0  0
4  1    2 1 99
5  2    2 1 99
6  3    2 0  0

---

我会使用

tidyr

库：

library(tidyr)
temp1 = gather(df, key = "x", value = "y", -ID)
temp2 = separate(temp1, x, into = c("z", "time"), sep = "[.]")
temp3 = spread(temp2, key = z, value = y)

temp3

表看起来像您想要的结果，但顺序不完全相同。使用

dplyr

的

arrange

将其设置正确：

> dplyr::arrange(temp3, time, ID)
  ID time A  B
1  1    1 0 99
2  2    1 1 99
3  3    1 0  0
4  1    2 1 99
5  2    2 1 99
6  3    2 0  0

---

试试这个。您实际上看到的是一个

melt

ing操作

library(data.table)
df<-structure(list(ID = c(1, 2, 3), A.1 = c(0, 1, 0), A.2 = c(1, 1, 0), B.1 = c(99, 99, 0), B.2 = c(99, 99, 0)), .Names = c("ID", "A.1", "A.2", "B.1", "B.2"), row.names = c(NA, 3L), class = "data.frame")
dt <- setDT(df)
melt(dt, id = 'ID', measure = patterns('^A.', '^B.'), value.name = c('A', 'B'), variable.name = 'time')
   ID time A  B
1:  1    1 0 99
2:  2    1 1 99
3:  3    1 0  0
4:  1    2 1 99
5:  2    2 1 99
6:  3    2 0  0

库（data.table）
df试试这个。您实际上看到的是一个
melt
ing操作

library(data.table)
df<-structure(list(ID = c(1, 2, 3), A.1 = c(0, 1, 0), A.2 = c(1, 1, 0), B.1 = c(99, 99, 0), B.2 = c(99, 99, 0)), .Names = c("ID", "A.1", "A.2", "B.1", "B.2"), row.names = c(NA, 3L), class = "data.frame")
dt <- setDT(df)
melt(dt, id = 'ID', measure = patterns('^A.', '^B.'), value.name = c('A', 'B'), variable.name = 'time')
   ID time A  B
1:  1    1 0 99
2:  2    1 1 99
3:  3    1 0  0
4:  1    2 1 99
5:  2    2 1 99
6:  3    2 0  0

库（data.table）
df基于您的
重塑
和
stringr
：
str\u split\u fixed

df=melt(df,'ID')
df[,c('Time','Name')]=str_split_fixed(as.character(df$variable),"[.]",2)
df$variable=NULL
reshape(df, idvar = c("ID","Name"), timevar = "Time", direction = "wide")

  ID Name value.A value.B
1  1    1       0      99
2  2    1       1      99
3  3    1       0       0
4  1    2       1      99
5  2    2       1      99
6  3    2       0       0

基于您的
重塑
和
stringr
：
str\u split\u fixed

df=melt(df,'ID')
df[,c('Time','Name')]=str_split_fixed(as.character(df$variable),"[.]",2)
df$variable=NULL
reshape(df, idvar = c("ID","Name"), timevar = "Time", direction = "wide")

  ID Name value.A value.B
1  1    1       0      99
2  2    1       1      99
3  3    1       0       0
4  1    2       1      99
5  2    2       1      99
6  3    2       0       0

问题出在
变量中
。我们需要正确地指定模式

reshape(df, idvar = "ID", varying = list(grep("^A", names(df)),
      grep("^B", names(df))), direction = "long", v.names = c("A", "B"))
#    ID time A  B
#1.1  1    1 0 99
#2.1  2    1 1 99
#3.1  3    1 0  0
#1.2  1    2 1 99
#2.2  2    2 1 99
#3.2  3    2 0  0

问题出在
变量中
。我们需要正确地指定模式

reshape(df, idvar = "ID", varying = list(grep("^A", names(df)),
      grep("^B", names(df))), direction = "long", v.names = c("A", "B"))
#    ID time A  B
#1.1  1    1 0 99
#2.1  2    1 1 99
#3.1  3    1 0  0
#1.2  1    2 1 99
#2.2  2    2 1 99
#3.2  3    2 0  0

非常感谢艾米娅和勒贝尼奥斯。你的答案很好，而且都与我的数据很好地吻合。投票给Ameya只是因为data.table对我来说更熟悉，我也更容易理解代码。非常感谢Ameya和lebelinoz。你的答案很好，而且都与我的数据很好地吻合。投票给Ameya只是因为data.table对我来说更熟悉，我也更容易理解代码。非常感谢，非常感谢，非常感谢akrun，你已经了解了问题的本质。我重新获得了使用基本R函数的信心。非常感谢akrun，您已经了解了问题的本质。我重新获得了使用基本R函数的信心。