多列處理和動態命名新列

Question

變量錯誤地輸入到多列，例如：「aaa_1」，「aaa_2」和「aaa_3」或「ccc_1」，「ccc_2」和「ccc_3」）。單個新列（例如「aaa」或「ccc」）。一些變量當前在單列中（「hhh_1」），但可以添加更多列（hhh_2等）。 ：

aaa_1 <- c(43, 23, 65, NA, 45) 
aaa_2 <- c(NA, NA, NA, NA, NA)  
aaa_3 <- c(NA, NA, 92, NA, 82) 
ccc_1 <- c("fra", NA, "spa", NA, NA) 
ccc_2 <- c(NA, NA, NA, "wez", NA) 
ccc_3 <- c(NA, "ija", NA, "fda", NA)  
ccc_4 <- c(NA, NA, NA, NA, NA) 
hhh_1 <- c(183, NA, 198, NA, 182)  
dataf1 <- data.frame(aaa_1,aaa_2,aaa_3,ccc_1,ccc_2, ccc_3,ccc_4,hhh_1) 

這就是我想要的：

aaa <- c(43, 23, NA, NA, NA) 
ccc <- c("fra", "ija", "spa", NA, NA) 
hhh <- c(183, NA, 198, NA, 182) 
dataf2 <- data.frame(aaa,ccc,hhh) 

由於有大約100個變量（例如「aaa」，「hhh」，「ccc」，「ttt」，「eee」，「hhh」等），所以需要一般解決方案。

謝謝！

Answer 1

這是一個基本的解決方案，即沒有包。

首先定義get_only當給出一個列表時，將它轉換爲data.frame並將get_only應用於每一行。當給定一個向量時，它返回單個非NA或NA，如果不只有一個。

將root定義爲沒有後綴的列名稱。

將數據幀轉換爲列的列表，將它們按root分組，並將get_only應用於每個此類組。

最後，將結果列表轉換爲數據幀。

get_only <- function(x) UseMethod("get_only") 
get_only.list <- function(x) apply(data.frame(x), 1, get_only) 
get_only.default <- function(x) if (sum(!is.na(x)) == 1) na.omit(x) else NA 

root <- sub("_.*", "", names(dataf1)) 
as.data.frame(lapply(split(as.list(dataf1), root), FUN = get_only)) 

，並提供：

age country hight 
1 43  fra 183 
2 23  ija NA 
3 NA  spa 198 
4 NA <NA> NA 
5 NA <NA> 182 

Answer 2

我們不妨用splitstackshape

library(splitstackshape) 
nm1 <- sub("_\\d+", "", names(dataf1)) 
tbl <- table(nm1) > 1 
merged.stack(dataf1, var.stubs = names(tbl)[tbl], sep="_") 

Answer 3

我不知道你的例子是正確的。例如，在第三行中，您已經獲得了age_1和age_3的值，然後是該行所需的輸出NA。

如果我已經理解你想要做什麼，但是如果將列轉置爲行，修復它們然後再轉換回來將會更容易。嘗試使用dplyr和tidyr的'tidyverse'作爲起點。

library(tidyverse) 
library(stringr) 

age_1 <- c(43, 23, 65, NA, 45) 
age_2 <- c(NA, NA, NA, NA, NA) 
age_3 <- c(NA, NA, 92, NA, 82) 
country_1 <- c("fra", NA, "spa", NA, NA) 
country_2 <- c(NA, NA, NA, "wez", NA) 
country_3 <- c(NA, "ija", NA, "fda", NA) 
country_4 <- c(NA, NA, NA, NA, NA) 
hight_1 <- c(183, NA, 198, NA, 182) 
dataf1 <- data.frame(age_1,age_2,age_3,country_1,country_2, country_3,country_4,hight_1) 

data <- dataf1 %>% 
    mutate(row_num = row_number()) %>% #create a row number to track values 
    gather(key, value, -row_num) %>% #flatten your data 
    drop_na() %>% #drop na rows 
    mutate(key = str_replace(key, "_.", "")) %>% #remove the '_x' part of names 
    group_by(row_num) %>% 
    top_n(1) %>% 
    spread(key, value) #pivot back to columns 

爲了您的例子中，你需要的GROUP_BY（）和top_n（）線，使其運行，因爲你已經在同一行中有多個值。如果你只有一個值（因爲我認爲你應該？），那麼你可以刪除這兩行。沒有他們會更好，因爲如果你的數據不對，它就不會運行。

編輯下面的評論。這將使任何重複的條目不適用。

data <- dataf1 %>% 
    mutate(row_num = row_number()) %>% #create a row number to track values 
    gather(key, value, -row_num) %>% #flatten your data 
    drop_na() %>% #drop na rows 
    mutate(key = str_replace(key, "_.", "")) %>% #remove the '_x' part of names 
    group_by(row_num, key) %>% 
    mutate(count = n()) %>% #count how many entries for each row/key combo 
    mutate(value = ifelse(count > 1, NA, value)) %>% #set NA for rows with duplicates 
    drop_na() %>% 
    spread(key, value) %>% #pivot back to columns 
    select(-count) #drop the `count` variable