基于其他受访者构建变量'；在dplyr中的二元答案

假设我有以下数据集：

dat <- read.table(text="Q_ID TeamID Answer Confidence Blur
1 A Yes 88 0 
1 A Maybe 99 0
1 B No 20 1
1 B Yes 22 1
1 C Definitely 32 2
1 C Yes 55 1
1 D No 33 5
1 D Maybe 33 9", header=T)

但是，在我的实际数据集中，我有大约100个变量要创建“合作伙伴”版本，我可以将其与以下正则表达式匹配：

index <- grepl('Answer|Confidence|Blur', names(dat)) 

---

index这会反转每个二元数的答案、置信度和模糊值。请注意，反转是在不是分组变量的所有列上执行的，因此它应该缩放到任意数量的列。按“Q_ID”分组可能没有必要，但您的问题在这一点上有点不清楚

library(tidyverse)
library(magrittr)

dat.partner <- dat %>% 
  group_by(Q_ID, TeamID) %>% 
  mutate_all(rev) %>% 
  ungroup %>% 
  select(-Q_ID, -TeamID) %>% 
  set_colnames(paste0('partner_', colnames(.)))

dat.final <- cbind(dat, dat.partner)

  Q_ID TeamID     Answer Confidence Blur partner_TeamID partner_Answer partner_Confidence partner_Blur
1    1      A        Yes         88    0              A          Maybe                 99            0
2    1      A      Maybe         99    0              A            Yes                 88            0
3    1      B         No         20    1              B            Yes                 22            1
4    1      B        Yes         22    1              B             No                 20            1
5    1      C Definitely         32    2              C            Yes                 55            1
6    1      C        Yes         55    1              C     Definitely                 32            2
7    1      D         No         33    5              D          Maybe                 33            9
8    1      D      Maybe         33    9              D             No                 33            5

库（tidyverse）
图书馆（magrittr）
dat.合伙人%
分组依据（Q\U ID，团队ID）%>%
全部变异（修订版）%>%
解组%>%
选择（-Q_ID，-TeamID）%>%
set_colnames（粘贴0（'partner_'，colnames（））
通过团队ID自动加入的dat.final？这似乎有效！非常感谢。在这种情况下，
rev
做什么？
rev
反转向量中项目的顺序。因为我在dplyr的
mutate\u all
函数中使用它，
mutate
知道通过“TeamID”进行分组，所以在本例中
rev
看到一组2元素向量。
library(tidyverse)
library(magrittr)

dat.partner <- dat %>% 
  group_by(Q_ID, TeamID) %>% 
  mutate_all(rev) %>% 
  ungroup %>% 
  select(-Q_ID, -TeamID) %>% 
  set_colnames(paste0('partner_', colnames(.)))

dat.final <- cbind(dat, dat.partner)

  Q_ID TeamID     Answer Confidence Blur partner_TeamID partner_Answer partner_Confidence partner_Blur
1    1      A        Yes         88    0              A          Maybe                 99            0
2    1      A      Maybe         99    0              A            Yes                 88            0
3    1      B         No         20    1              B            Yes                 22            1
4    1      B        Yes         22    1              B             No                 20            1
5    1      C Definitely         32    2              C            Yes                 55            1
6    1      C        Yes         55    1              C     Definitely                 32            2
7    1      D         No         33    5              D          Maybe                 33            9
8    1      D      Maybe         33    9              D             No                 33            5