Используйте tidyr :: pivot_longer для нескольких измерений с неопределенностью - PullRequest
Новая
       3

Используйте tidyr :: pivot_longer для нескольких измерений с неопределенностью

1 голос
/ 16 марта 2020

Распространенный тип данных, с которыми я сталкиваюсь, содержит несколько измерений с соответствующими неопределенностями, объединенными в каждой строке. Вот пример: 


structure(list(meas1 = c(150.3197, 19.95853, 161.40022, 103.23733, 140.28786, 193.42983, 75.237556, 207.84688, 116.4379, 80.251797 ), unc1 = c(0.038140954, 0.09151666, 0.035390881, 0.043274285, 0.03396304, 0.033362432, 0.05290015, 0.035449262, 0.038330437, 0.049171039), meas2 = c(1270.5522, 562.92518, 940.65152, 696.6982, 380.22449, 1979.0521, 1022.01, 1269.7508, 1686.6116, 1256.0033 ), unc2 = c(0.06063558, 0.061388181, 0.060714985, 0.061178737, 0.061318833, 0.060302475, 0.060876815, 0.060659146, 0.060412551, 0.060635459), meas3 = c(601.11331, 1675.2958, 608.84736, 998.76837, 266.2926, 2933.9751, 1682.3191, 775.43699, 428.29473, 1393.6564 ), unc3 = c(0.103445147, 0.102309634, 0.103147224, 0.101772166, 0.104186185, 0.101292496, 0.101556363, 0.102983978, 0.10394405, 0.101598249), ID = 1:10), row.names = c(NA, -10L), class = c("tbl_df", "tbl", "data.frame"))

Я хочу получить его в аккуратной конфигурации, например: 

ID meas_type    reading     uncert
1  1     meas1  150.31970 0.03814095
2  1     meas2 1270.55220 0.06063558
3  1     meas3  601.11331 0.10344515
4  2     meas1   19.95853 0.09151666
5  2     meas2  562.92518 0.06138818
6  2     meas3 1675.29580 0.10230963 ...

У меня есть обходной путь, но мне интересно, нет ли pivot_longer() метод, который сделал бы это более элегантно.

Вот мое решение Клугея: 

df_vals <- df_raw %>% 
  pivot_longer(cols = c("meas1", "meas2", "meas3"),
               names_to = "meas_type",
               values_to = "reading")
df_vals <- df_vals[, 4:6]

df_unc <- df_raw %>% 
  pivot_longer(cols = starts_with("unc"),
               values_to = "uncert")
df_unc <- df_unc[, 4:6]

df <-  cbind(df_vals, "uncert" = df_unc$uncert)

Ответы [ 3 ]

1 голос
/ 16 марта 2020

В случае, если вы рассматриваете решение с базовым R, вам нужно будет использовать фрейм данных, а не таблицу, но это делает то, что вы хотите .. 

d <- as.data.frame(d)

reshape(data=d, varying=1:6,
        timevar="meas_type",
        direction="long",
        sep="")


     ID meas_type       meas        unc
1.1   1         1  150.31970 0.03814095
2.1   2         1   19.95853 0.09151666
3.1   3         1  161.40022 0.03539088
4.1   4         1  103.23733 0.04327429
5.1   5         1  140.28786 0.03396304
6.1   6         1  193.42983 0.03336243
1 голос
/ 16 марта 2020

Мы можем использовать melt от data.table

library(data.table)
melt(setDT(df1), measure = patterns("^unc", "meas"), 
    value.name = c("unc", "meas"), variable.name = "meas_type")
# ID meas_type        unc       meas
# 1:  1         1 0.03814095  150.31970
# 2:  2         1 0.09151666   19.95853
# 3:  3         1 0.03539088  161.40022
# 4:  4         1 0.04327429  103.23733
# 5:  5         1 0.03396304  140.28786
# 6:  6         1 0.03336243  193.42983
# 7:  7         1 0.05290015   75.23756
# 8:  8         1 0.03544926  207.84688
# 9:  9         1 0.03833044  116.43790
#10: 10         1 0.04917104   80.25180
#11:  1         2 0.06063558 1270.55220
#...
1 голос
/ 16 марта 2020

Мы можем использовать names_pattern аргумент pivot_longer. 

tidyr::pivot_longer(df, cols = -ID, 
                    names_to = c(".value", "meas_type"),
                    names_pattern = "(.*)(\\d+)")

# A tibble: 30 x 4
#     ID meas_type   meas    unc
#   <int> <chr>      <dbl>  <dbl>
# 1     1 1          150.  0.0381
# 2     1 2         1271.  0.0606
# 3     1 3          601.  0.103 
# 4     2 1           20.0 0.0915
# 5     2 2          563.  0.0614
# 6     2 3         1675.  0.102 
# 7     3 1          161.  0.0354
# 8     3 2          941.  0.0607
# 9     3 3          609.  0.103 
#10     4 1          103.  0.0433
# … with 20 more rows
...