Преобразование широких данных в длинные путем изменения некоторой переменной и сохранения некоторой переменной такой же, как и раньше - PullRequest
Новая
       28

Преобразование широких данных в длинные путем изменения некоторой переменной и сохранения некоторой переменной такой же, как и раньше

1 голос
/ 18 июня 2020

У меня есть набор данных из 6000 деревень с такими переменными, как население (которое я сохраняю постоянным в соответствии с базовым годом). Есть еще три переменных project_1, project_2 и project_3, которые дают подробную информацию о том, когда проект был реализован в этой деревне. Вот как выглядят данные. 

| village | population | project_1 | project_2 | project_3 |
|---------|------------|-----------|-----------|-----------|
| A       | 100        | 2002      |           |           |
| B       | 200        |           | 2003      | 2002      |
| C       | 150        | 2004      |           |           |
| D       | 175        |           |           | 2005      |

Я хочу преобразовать эти данные в длинные (см. Ниже). Таким образом, в основном переменная проекта становится фиктивной и принимает значение = 1, когда проект реализуется, и остается равным 1 после этого. 

| village | population | year | project_1 | project_2 | project_3 |
|---------|------------|------|-----------|-----------|-----------|
| A       | 100        | 2001 | 0         | 0         | 0         |
| A       | 100        | 2002 | 1         | 0         | 0         |
| A       | 100        | 2003 | 1         | 0         | 0         |
| A       | 100        | 2004 | 1         | 0         | 0         |
| A       | 100        | 2005 | 1         | 0         | 0         |
| B       | 200        | 2001 | 0         | 0         | 0         |
| B       | 200        | 2002 | 0         | 0         | 1         |
| B       | 200        | 2003 | 0         | 1         | 1         |
| B       | 200        | 2004 | 0         | 1         | 1         |
| B       | 200        | 2005 | 0         | 1         | 1         |
| C       | 150        | 2001 | 0         | 0         | 0         |
| C       | 150        | 2002 | 0         | 0         | 0         |
| C       | 150        | 2003 | 0         | 0         | 0         |
| C       | 150        | 2004 | 1         | 0         | 0         |
| C       | 150        | 2005 | 1         | 0         | 0         |
| D       | 175        | 2001 | 0         | 0         | 0         |
| D       | 175        | 2002 | 0         | 0         | 0         |
| D       | 175        | 2003 | 0         | 0         | 0         |
| D       | 175        | 2004 | 0         | 0         | 0         |
| D       | 175        | 2005 | 0         | 0         | 1         |

Я пробовал этот код, но пока он не работает. 

temp_long <- reshape(data = temp,
             idvar= "village",
             varying = 3:5,
             sep= "",
             timevar= "year",
             times = c(2001,2002,2003,2004,2005),
             new.row.names= 1:100000,
             direction = "long")

1 Ответ

1 голос
/ 18 июня 2020

Предположим, ваши данные: 

df <- read_table2("village population project_1 project_2 project_3
A 100 2002 NA NA
B 200 NA 2003 2002
C 150 2004 NA NA
D 175 NA NA 2005")

Использование dplyr: 

df %>%
  merge(expand.grid(year=2001:2005, village=.$village), by="village") %>%
  mutate(across(starts_with("project_"), ~ as.numeric(replace_na(.x <= year, 0)))) %>%
  select(village, population, year, starts_with("pro"))

дает 

   village population year project_1 project_2 project_3
1        A        100 2001         0         0         0
2        A        100 2002         1         0         0
3        A        100 2003         1         0         0
4        A        100 2004         1         0         0
5        A        100 2005         1         0         0
6        B        200 2001         0         0         0
7        B        200 2002         0         0         1
8        B        200 2003         0         1         1
9        B        200 2004         0         1         1
10       B        200 2005         0         1         1
11       C        150 2001         0         0         0
12       C        150 2002         0         0         0
13       C        150 2003         0         0         0
14       C        150 2004         1         0         0
15       C        150 2005         1         0         0
16       D        175 2001         0         0         0
17       D        175 2002         0         0         0
18       D        175 2003         0         0         0
19       D        175 2004         0         0         0
20       D        175 2005         0         0         1

С вашими dput данными 

df2 <- structure(list(key = c("057091", "057296", "057802", "057806",  "058105", "058309"), TOT_POP = c(795, 378, 669, 3760, 55, 933 ), road_comp_date_upg_year_final = c(2009, 2004, 2006, 2006,  2008, 2012), road_award_date_upg_year_final = c(2008, 2003, 2005,  2005, 2007, 2010), road_comp_date_stip_upg_year_final = c(2009,  2003, 2006, 2006, 2008, 2011)), row.names = c(NA, 6L), class = "data.frame")

и настроенный код 

df2 %>%
  merge(expand.grid(year=2001:2015, key=.$key), by="key") %>% 
  mutate(across(starts_with("road_"), ~ as.numeric(replace_na(.x <= year, 0)))) %>%
  select(key, TOT_POP, year, starts_with("road"))

создает 

      key TOT_POP year road_comp_date_upg_year_final road_award_date_upg_year_final road_comp_date_stip_upg_year_final
1  057091     795 2001                             0                              0                                  0
2  057091     795 2002                             0                              0                                  0
3  057091     795 2003                             0                              0                                  0
4  057091     795 2004                             0                              0                                  0
5  057091     795 2005                             0                              0                                  0
6  057091     795 2006                             0                              0                                  0
7  057091     795 2007                             0                              0                                  0
8  057091     795 2008                             0                              1                                  0
9  057091     795 2009                             1                              1                                  1
10 057091     795 2010                             1                              1                                  1
11 057091     795 2011                             1                              1                                  1
12 057091     795 2012                             1                              1                                  1
13 057091     795 2013                             1                              1                                  1
14 057091     795 2014                             1                              1                                  1
15 057091     795 2015                             1                              1                                  1
16 057296     378 2001                             0                              0                                  0
17 057296     378 2002                             0                              0                                  0
18 057296     378 2003                             0                              1                                  1
19 057296     378 2004                             1                              1                                  1
20 057296     378 2005                             1                              1                                  1
...