将多组测量列（宽格式）重塑为单列（长格式）

Question

我有一个宽格式的数据框，在不同的日期范围内进行重复测量。在我的示例中，有三个不同的周期，都有相应的值。例如，第一个测量值（Value1）是在从DateRange1Start到DateRange1End的周期内测量的：

ID DateRange1Start DateRange1End Value1 DateRange2Start DateRange2End Value2 DateRange3Start DateRange3End Value3
1 1/1/90 3/1/90 4.4 4/5/91 6/7/91 6.2 5/5/95 6/6/96 3.3 

我希望将数据重塑为长格式，以便对DateRangeXStart和DateRangeXEnd列进行分组，。因此，原始表中的1行变成了新表中的3行：

ID DateRangeStart DateRangeEnd Value
1 1/1/90 3/1/90 4.4
1 4/5/91 6/7/91 6.2
1 5/5/95 6/6/96 3.3

我知道必须有一个方法来做到这一点与reshape2/融/重铸/tidyr，但我似乎无法弄清楚如何映射多组测量变量到单组值列以这种特殊的方式。

Answer 1

从版本1.0.0起，使用tidyr包的函数pivot\u longer（）可以将具有多个值/度量值列的宽格式重塑为长格式。

这优于之前的tidyr策略，即聚集（gather（），而不是扩散（请参阅@AndrewMacDonald的答案），因为属性不再被删除（在下面的示例中，日期仍然是日期，数字仍然是数字）。

library("tidyr")
library("magrittr")

a <- structure(list(ID = 1L, 
                    DateRange1Start = structure(7305, class = "Date"), 
                    DateRange1End = structure(7307, class = "Date"), 
                    Value1 = 4.4, 
                    DateRange2Start = structure(7793, class = "Date"),
                    DateRange2End = structure(7856, class = "Date"), 
                    Value2 = 6.2, 
                    DateRange3Start = structure(9255, class = "Date"), 
                    DateRange3End = structure(9653, class = "Date"), 
                    Value3 = 3.3),
               row.names = c(NA, -1L), class = c("tbl_df", "tbl", "data.frame"))

pivot_longer（）（对应：pivot_wider（））的工作原理类似于Collection（）。但是，它提供了额外的功能，例如多个值列。只有一个值列，宽数据集的所有冒名将进入一个长列，名称在names_to中给出。对于多个值列，names_to可能会接收多个新名称。

如果所有列名都遵循特定的模式，例如Start\u 1、End\u 1、Start\u 2等，那么这是最简单的。因此，我在第一步中重命名了这些列。

(names(a) <- sub("(\\d)(\\w*)", "\\2_\\1", names(a)))
#>  [1] "ID"               "DateRangeStart_1" "DateRangeEnd_1"  
#>  [4] "Value_1"          "DateRangeStart_2" "DateRangeEnd_2"  
#>  [7] "Value_2"          "DateRangeStart_3" "DateRangeEnd_3"  
#> [10] "Value_3"

pivot_longer(a, 
             cols = -ID, 
             names_to = c(".value", "group"),
             # names_prefix = "DateRange",
             names_sep = "_")
#> # A tibble: 3 x 5
#>      ID group DateRangeEnd DateRangeStart Value
#>   <int> <chr> <date>       <date>         <dbl>
#> 1     1 1     1990-01-03   1990-01-01       4.4
#> 2     1 2     1991-07-06   1991-05-04       6.2
#> 3     1 3     1996-06-06   1995-05-05       3.3

或者，可以使用提供更精细控制的轴规范来完成重塑（请参见下面的链接）：

spec <- a %>%
    build_longer_spec(cols = -ID) %>%
    dplyr::transmute(.name = .name,
                     group = readr::parse_number(name),
                     .value = stringr::str_extract(name, "Start|End|Value"))

pivot_longer(a, spec = spec)

由reprex包（v0.2.1）于2019-03-26创建

另请参见：https://tidyr.tidyverse.org/articles/pivot.html

Answer 2

<代码>数据。表的融化函数可以融化到多个列中。利用这一点，我们可以简单地做到：

require(data.table)
melt(setDT(dat), id=1L,
     measure=patterns("Start$", "End$", "^Value"), 
     value.name=c("DateRangeStart", "DateRangeEnd", "Value"))

#    ID variable DateRangeStart DateRangeEnd Value
# 1:  1        1         1/1/90       3/1/90   4.4
# 2:  1        2         4/5/91       6/7/91   6.2
# 3:  1        3         5/5/95       6/6/96   3.3

或者，也可以通过列位置引用三组测量列：

melt(setDT(dat), id = 1L, 
     measure = list(c(2,5,8), c(3,6,9), c(4,7,10)), 
     value.name = c("DateRangeStart", "DateRangeEnd", "Value"))

Answer 3

reshape(dat, idvar="ID", direction="long", 
             varying=list(Start=c(2,5,8), End=c(3,6,9), Value=c(4,7,10)),
             v.names = c("DateRangeStart", "DateRangeEnd", "Value") )
#-------------
    ID time DateRangeStart DateRangeEnd Value
1.1  1    1          1/1/90        3/1/90    4.4
1.2  1    2          4/5/91        6/7/91    6.2
1.3  1    3          5/5/95        6/6/96    3.3

（根据Josh的建议添加了v.names。）