R当列不'；不能代表所有的时间点

我的数据集看起来有点像这样：

ID job01     age_started_job01 job02     age_started_job02    job03       age_started_job03
1  "waiter"  18                "lawyer"  25                   NA          NA
2  "plumber" 18                "builder" 20                   "foreman"   25

ID  job        age
1   "waiter"   18
1   "waiter"   19
1   "waiter"   20
1   "waiter"   21
1   "waiter"   22
1   "waiter"   23
1   "waiter"   24
1   "lawyer"   25
2   "plumber"  18     
2   "plumber"  19
2   "builder"  20
2   "builder"  21
2   "builder"  22
2   "builder"  23
2   "builder"  24
2   "foreman"  25

我正试图找到一种我有这种想法的方式（请注意，我假设如果人们在那一年没有开始新的工作，他们会继续从事与前一年相同的工作）：

然后将其转换为long，如下所示：

ID job01     age_started_job01 job02     age_started_job02    job03       age_started_job03
1  "waiter"  18                "lawyer"  25                   NA          NA
2  "plumber" 18                "builder" 20                   "foreman"   25

ID  job        age
1   "waiter"   18
1   "waiter"   19
1   "waiter"   20
1   "waiter"   21
1   "waiter"   22
1   "waiter"   23
1   "waiter"   24
1   "lawyer"   25
2   "plumber"  18     
2   "plumber"  19
2   "builder"  20
2   "builder"  21
2   "builder"  22
2   "builder"  23
2   "builder"  24
2   "foreman"  25

从宽到长的步骤可以通过

重塑2

完成，我知道如何完成，但我无法从第一个数据集转换为中间格式。我尝试过类似的东西（丑陋且带有循环）：

#创建作业变量
年龄（18:25）{
数据[，粘贴（“工作年龄”，年龄，九月=”）]你可以试试

df1 <- reshape(df, idvar='ID', timevar='time', 
      varying=list(c(2,4,6), c(3,5,7)), direction='long')
colnames(df1)[4] <- 'age'
d1 <- data.frame(age=18:25)
res <-   do.call(rbind,lapply(split(df1, df1$ID), function(x) {
                         x1 <- merge(x, d1, by='age', all=TRUE)
                    x1$job <-unique(na.omit(x1$job01))[cumsum(!is.na(x1$job01))]
                    x1$ID <- x1$ID[1]
                  na.omit(x1[,c(2,5,1)])}))

row.names(res) <- NULL
res
#   ID     job age
#1   1  waiter  18
#2   1  waiter  19
#3   1  waiter  20
#4   1  waiter  21
#5   1  waiter  22
#6   1  waiter  23
#7   1  waiter  24
#8   1  lawyer  25
#9   2 plumber  18
#10  2 plumber  19
#11  2 builder  20
#12  2 builder  21
#13  2 builder  22
#14  2 builder  23
#15  2 builder  24
#16  2 foreman  25

df1您可以试试

df1 <- reshape(df, idvar='ID', timevar='time', 
      varying=list(c(2,4,6), c(3,5,7)), direction='long')
colnames(df1)[4] <- 'age'
d1 <- data.frame(age=18:25)
res <-   do.call(rbind,lapply(split(df1, df1$ID), function(x) {
                         x1 <- merge(x, d1, by='age', all=TRUE)
                    x1$job <-unique(na.omit(x1$job01))[cumsum(!is.na(x1$job01))]
                    x1$ID <- x1$ID[1]
                  na.omit(x1[,c(2,5,1)])}))

row.names(res) <- NULL
res
#   ID     job age
#1   1  waiter  18
#2   1  waiter  19
#3   1  waiter  20
#4   1  waiter  21
#5   1  waiter  22
#6   1  waiter  23
#7   1  waiter  24
#8   1  lawyer  25
#9   2 plumber  18
#10  2 plumber  19
#11  2 builder  20
#12  2 builder  21
#13  2 builder  22
#14  2 builder  23
#15  2 builder  24
#16  2 foreman  25

df1这里是另一种使用我的“splitstackshape”函数中的
merged.stack
+
expandRows
的方法。这个答案使用@akrun的示例数据：

DT <- na.omit(merged.stack(df, var.stubs = c("job", "age_started_job"),
                           sep = "var.stubs"))
DT[, age_started_job := as.numeric(age_started_job)]
DT[, Range := diff(c(age_started_job, (age_started_job[.N]+1))), by = list(ID)]
expandRows(DT, "Range")[, age_started_job := age_started_job + 
                          (sequence(.N)-1), by = list(ID, .time_1)][]
#     ID .time_1     job age_started_job
#  1:  1      01  waiter              18
#  2:  1      01  waiter              19
#  3:  1      01  waiter              20
#  4:  1      01  waiter              21
#  5:  1      01  waiter              22
#  6:  1      01  waiter              23
#  7:  1      01  waiter              24
#  8:  1      02  lawyer              25
#  9:  2      01 plumber              18
# 10:  2      01 plumber              19
# 11:  2      02 builder              20
# 12:  2      02 builder              21
# 13:  2      02 builder              22
# 14:  2      02 builder              23
# 15:  2      02 builder              24
# 16:  2      03 foreman              25

DT这里有另一种方法，它使用我的“splitstackshape”函数中的
merged.stack
+
expandRows
。这个答案使用@akrun的示例数据：

DT <- na.omit(merged.stack(df, var.stubs = c("job", "age_started_job"),
                           sep = "var.stubs"))
DT[, age_started_job := as.numeric(age_started_job)]
DT[, Range := diff(c(age_started_job, (age_started_job[.N]+1))), by = list(ID)]
expandRows(DT, "Range")[, age_started_job := age_started_job + 
                          (sequence(.N)-1), by = list(ID, .time_1)][]
#     ID .time_1     job age_started_job
#  1:  1      01  waiter              18
#  2:  1      01  waiter              19
#  3:  1      01  waiter              20
#  4:  1      01  waiter              21
#  5:  1      01  waiter              22
#  6:  1      01  waiter              23
#  7:  1      01  waiter              24
#  8:  1      02  lawyer              25
#  9:  2      01 plumber              18
# 10:  2      01 plumber              19
# 11:  2      02 builder              20
# 12:  2      02 builder              21
# 13:  2      02 builder              22
# 14:  2      02 builder              23
# 15:  2      02 builder              24
# 16:  2      03 foreman              25

DT您的预期结果显示年龄
19、21等，这在输入数据集中找不到，因为这些是要输入的。原始数据集列出了所有工作（包括失业作为工作类型），因此我可以安全地假设一个受试者在下一次开始之前一直从事相同的工作。因此，例如，年龄
19
的条目与18岁时观察到的条目相同，除非该受试者恰好在19岁开始新的工作。如果所有年龄组都在列表中，这会更容易。现在，我们必须做一些
merging
如我在解决方案中所示。另外，您只是在寻找如何获取中间数据集还是最终数据集？是的。如果我可以获取任何一个数据集，那么它只是以通常的方式使用Reforme2的熔化和铸造。您的预期结果显示年龄
19、21
等，这在输入数据集中找不到，因为这些是原始数据集列出了所有工作（包括失业作为一种工作类型），因此我可以安全地假设一个受试者在下一次开始之前一直从事相同的工作。因此，例如，年龄
19
的条目与18岁时观察到的条目相同，除非该受试者恰好在19岁开始新的工作。如果所有年龄组都在列表中，这会更容易。现在，我们必须做一些
merging
如我在解决方案中所示。另外，您只是在寻找如何获取中间数据集还是最终数据集？是的。如果我可以获取任何一个数据集，则只需以通常的方式使用重塑2的熔化和铸造即可。+1.不错的选项。我已经尝试使用“splitstackshape”包也：-）+1用于使用dplyr。另外，变量indx在后来我发现真实数据中有18岁后第一份工作的人时派上了用场。
mutate（job=replace（job，is.na（job），na.omit（job））
返回“replacement的长度为0”，但发出
mutate（job=replace（job，is.na（job）&indx！-！-0，na.omit）（作业））
解决了它。@Guilherme Kenji Chihaya感谢您的评论。我将更新该函数。+1.选项不错。我也尝试过使用“splitstackshape”包：-）+1用于使用dplyr。另外，变量indx在后来我发现真实数据中有18岁后第一份工作的人时派上了用场。
mutate（job=replace（job，is.na（job），na.omit（job））
返回“replacement has length 0”，但发出
mutate（job=replace（job，is.na（job）&indx！-！-0，na.omit（job）））
解决了它。@Guilherme Kenji Chihaya感谢您的评论。我将更新该函数。