将多行转换为多列（长到宽格式不起作用（？））
Convert multiple rows to multiple columns (long to wide format does not work (?))
我有一个包含多篇期刊文章的数据集。不同的文章都有不同的识别码（WoS_No）。不同的文章在不同的行。
这些文章的作者数量不同。如果一篇论文有不止一位作者，识别码会重复多行，每个作者一行。
df 中还有其他信息，其中一些与论文相关（并且对于具有相同 WoS_No 代码的所有行都是相同的。但是，一些仅与作者相关（比如他们的教员) 然后在行上打印出来。
请看下面的例子：
# Original df
df <- data.frame("WoS_No" = matrix(c("WOS:000352315900021", "WOS:000352315900021", "WOS:000352315900021", "WOS:000352315900021", "WOS:000362644700013", "WOS:000362644700013", "WOS:000382460200025", "WOS:000381736200014", "WOS:000371540200019"), 9, 1))
df$Author <- c("CHENEVIX, Georg", "CHENEVIX, Georg", "DOLCE, Ric", "DOLCE, Ric", "CLOUST, A", "STEVEN, A", "WANG, Zhi", "COIN, L", "BARL, Kare")
df$Faculty <- c("Medicine", NA, "HASS", NA, "HABS", "Medicine", "Medicine", "IMB", NA)
df$CNCI <- c(10.51, 10.51, 10.51, 10.51, 37.47, 37.47, 0.84, 8.05, 29.41)
sapply(data2, class)
我真的很想安排 df，这样每篇文章只有 1 行（即每行 WoS_No）。
我希望将作者姓名分成不同的列（请参阅下面的 'Author1'、'Author2' 列）。我尝试从长格式转换为宽格式，但它没有用，可能是因为大多数文章的作者不同 - 所以它给每个名字一个新的列（我不能有大约 20,000 个名字）
如果这太繁琐了，我会很高兴将所有作者姓名折叠成 'Authors' 列中的一个字符串，所有姓名都用分号分隔（这意味着我可以在以后需要时将它们拆分） .请参阅下面的 'Faculties' 列。
# New df options
dfnew <- data.frame("WoS_No" = matrix(c("WOS:000352315900021", "WOS:000362644700013", "WOS:000382460200025", "WOS:000381736200014", "WOS:000371540200019"), 5, 1))
dfnew$Author1 <- c("CHENEVIX, Georg", "CLOUST, A", "WANG, Zhi", "COIN, L", "BARL, Kare")
dfnew$Author2 <- c("DOLCE, Ric", "STEVEN, A", "", "", "")
dfnew$Faculties <- c("Medicine; NA; HASS; NA", "HABS; Medicine", "Medicine", "IMB", "NA")
dfnew$CNCI <- c(10.51, 37.47, 0.84, 8.05, 29.41)
我尝试遍历每个 WoS_No 并一个一个地折叠，但是因为我有 68,000 个 WoS_No，所以未能在合理的时间内完成。
我真的很困惑，非常感谢任何人能给我的帮助。
您可以先使用 distinct、group_by WoS_No 仅保留唯一行来创建唯一标识符列并获取宽格式数据。
library(dplyr)
df %>%
distinct(WoS_No, Author, .keep_all = TRUE) %>%
group_by(WoS_No) %>%
mutate(row = row_number()) %>%
tidyr::pivot_wider(names_from = row, values_from = c(Author, Faculty))
# WoS_No CNCI Author_1 Author_2 Faculty_1 Faculty_2
# <chr> <dbl> <chr> <chr> <chr> <chr>
#1 WOS:000352315900021 10.5 CHENEVIX, Georg DOLCE, Ric Medicine HASS
#2 WOS:000362644700013 37.5 CLOUST, A STEVEN, A HABS Medicine
#3 WOS:000382460200025 0.84 WANG, Zhi NA Medicine NA
#4 WOS:000381736200014 8.05 COIN, L NA IMB NA
#5 WOS:000371540200019 29.4 BARL, Kare NA NA NA
请注意，我还将 Faculty 转换为不同的列。如果您想将它们保留在一列中，如您预期的输出所示，您可以在代码中进行最少的更改。
这是一个解决方案，其中 Authors 和 Faculties 之间用分号分隔，就像在预期输出中一样。
library(dplyr)
df %>%
group_by(WoS_No) %>%
mutate(
Authors = paste(unique(Author), collapse = "; "),
Faculties = paste(Faculty, collapse = "; ")
) %>%
select(WoS_No, Authors, Faculties, CNCI) %>%
distinct()
# A tibble: 5 x 4
# Groups: WoS_No [5]
# WoS_No Authors Faculties CNCI
# <chr> <chr> <chr> <dbl>
# 1 WOS:000352315900021 CHENEVIX, Georg; DOLCE, Ric Medicine; NA; HASS; NA 10.5
# 2 WOS:000362644700013 CLOUST, A; STEVEN, A HABS; Medicine 37.5
# 3 WOS:000382460200025 WANG, Zhi Medicine 0.84
# 4 WOS:000381736200014 COIN, L IMB 8.05
# 5 WOS:000371540200019 BARL, Kare NA 29.4
这是一个data.table-方法
library( data.table )
#make df a data.table
setDT(df)
#first, paste the (unique) authors together by WoS_No
ans <- df[, .( authors = paste0( unique(Author), collapse = ";" ),
Faculty = paste0( Faculty, collapse = ";" ),
CNCI = unique(CNCI) ), by = WoS_No][]
# WoS_No authors Faculty CNCI
# 1: WOS:000352315900021 CHENEVIX, Georg;DOLCE, Ric Medicine;NA;HASS;NA 10.51
# 2: WOS:000362644700013 CLOUST, A;STEVEN, A HABS;Medicine 37.47
# 3: WOS:000382460200025 WANG, Zhi Medicine 0.84
# 4: WOS:000381736200014 COIN, L IMB 8.05
# 5: WOS:000371540200019 BARL, Kare NA 29.41
#split the author column
ans[, paste0( "Author", 1:length(tstrsplit( ans$authors, ";" ) )) := tstrsplit( authors, ";")]
# WoS_No authors Faculty CNCI Author1 Author2
# 1: WOS:000352315900021 CHENEVIX, Georg;DOLCE, Ric Medicine;NA;HASS;NA 10.51 CHENEVIX, Georg DOLCE, Ric
# 2: WOS:000362644700013 CLOUST, A;STEVEN, A HABS;Medicine 37.47 CLOUST, A STEVEN, A
# 3: WOS:000382460200025 WANG, Zhi Medicine 0.84 WANG, Zhi <NA>
# 4: WOS:000381736200014 COIN, L IMB 8.05 COIN, L <NA>
# 5: WOS:000371540200019 BARL, Kare NA 29.41 BARL, Kare <NA>
使用漂亮的 reshape():
的简单基础 R 解决方案
data <- df[!duplicated(df[, c("WoS_No", "Author")]),]
data$grp.id <- ave(data$WoS_No, data$WoS_No, FUN = seq_along)
reshaped_data <- reshape(data, idvar= "WoS_No", timevar= "grp.id",
v.names=c("Author", "Faculty"), direction="wide")
WoS_No CNCI Author.1 Faculty.1 Author.2 Faculty.2
1 WOS:000352315900021 10.51 CHENEVIX, Georg Medicine DOLCE, Ric HASS
5 WOS:000362644700013 37.47 CLOUST, A HABS STEVEN, A Medicine
7 WOS:000382460200025 0.84 WANG, Zhi Medicine <NA> <NA>
8 WOS:000381736200014 8.05 COIN, L IMB <NA> <NA>
9 WOS:000371540200019 29.41 BARL, Kare <NA> <NA> <NA>
idvar 标识我们要传播的组。
timevar 标识组内的观察结果。我们需要为此创建 grp.id。
v.names 命名我们要传播的列。
direction 告诉我们转换为宽格式。
我有一个包含多篇期刊文章的数据集。不同的文章都有不同的识别码（WoS_No）。不同的文章在不同的行。
这些文章的作者数量不同。如果一篇论文有不止一位作者，识别码会重复多行，每个作者一行。
df 中还有其他信息，其中一些与论文相关（并且对于具有相同 WoS_No 代码的所有行都是相同的。但是，一些仅与作者相关（比如他们的教员) 然后在行上打印出来。
请看下面的例子：
# Original df
df <- data.frame("WoS_No" = matrix(c("WOS:000352315900021", "WOS:000352315900021", "WOS:000352315900021", "WOS:000352315900021", "WOS:000362644700013", "WOS:000362644700013", "WOS:000382460200025", "WOS:000381736200014", "WOS:000371540200019"), 9, 1))
df$Author <- c("CHENEVIX, Georg", "CHENEVIX, Georg", "DOLCE, Ric", "DOLCE, Ric", "CLOUST, A", "STEVEN, A", "WANG, Zhi", "COIN, L", "BARL, Kare")
df$Faculty <- c("Medicine", NA, "HASS", NA, "HABS", "Medicine", "Medicine", "IMB", NA)
df$CNCI <- c(10.51, 10.51, 10.51, 10.51, 37.47, 37.47, 0.84, 8.05, 29.41)
sapply(data2, class)
我真的很想安排 df，这样每篇文章只有 1 行（即每行 WoS_No）。
我希望将作者姓名分成不同的列（请参阅下面的 'Author1'、'Author2' 列）。我尝试从长格式转换为宽格式，但它没有用，可能是因为大多数文章的作者不同 - 所以它给每个名字一个新的列（我不能有大约 20,000 个名字）
如果这太繁琐了，我会很高兴将所有作者姓名折叠成 'Authors' 列中的一个字符串，所有姓名都用分号分隔（这意味着我可以在以后需要时将它们拆分） .请参阅下面的 'Faculties' 列。
# New df options
dfnew <- data.frame("WoS_No" = matrix(c("WOS:000352315900021", "WOS:000362644700013", "WOS:000382460200025", "WOS:000381736200014", "WOS:000371540200019"), 5, 1))
dfnew$Author1 <- c("CHENEVIX, Georg", "CLOUST, A", "WANG, Zhi", "COIN, L", "BARL, Kare")
dfnew$Author2 <- c("DOLCE, Ric", "STEVEN, A", "", "", "")
dfnew$Faculties <- c("Medicine; NA; HASS; NA", "HABS; Medicine", "Medicine", "IMB", "NA")
dfnew$CNCI <- c(10.51, 37.47, 0.84, 8.05, 29.41)
我尝试遍历每个 WoS_No 并一个一个地折叠，但是因为我有 68,000 个 WoS_No，所以未能在合理的时间内完成。
我真的很困惑，非常感谢任何人能给我的帮助。
您可以先使用 distinct、group_by WoS_No 仅保留唯一行来创建唯一标识符列并获取宽格式数据。
library(dplyr)
df %>%
distinct(WoS_No, Author, .keep_all = TRUE) %>%
group_by(WoS_No) %>%
mutate(row = row_number()) %>%
tidyr::pivot_wider(names_from = row, values_from = c(Author, Faculty))
# WoS_No CNCI Author_1 Author_2 Faculty_1 Faculty_2
# <chr> <dbl> <chr> <chr> <chr> <chr>
#1 WOS:000352315900021 10.5 CHENEVIX, Georg DOLCE, Ric Medicine HASS
#2 WOS:000362644700013 37.5 CLOUST, A STEVEN, A HABS Medicine
#3 WOS:000382460200025 0.84 WANG, Zhi NA Medicine NA
#4 WOS:000381736200014 8.05 COIN, L NA IMB NA
#5 WOS:000371540200019 29.4 BARL, Kare NA NA NA
请注意，我还将 Faculty 转换为不同的列。如果您想将它们保留在一列中，如您预期的输出所示，您可以在代码中进行最少的更改。
这是一个解决方案，其中 Authors 和 Faculties 之间用分号分隔，就像在预期输出中一样。
library(dplyr)
df %>%
group_by(WoS_No) %>%
mutate(
Authors = paste(unique(Author), collapse = "; "),
Faculties = paste(Faculty, collapse = "; ")
) %>%
select(WoS_No, Authors, Faculties, CNCI) %>%
distinct()
# A tibble: 5 x 4
# Groups: WoS_No [5]
# WoS_No Authors Faculties CNCI
# <chr> <chr> <chr> <dbl>
# 1 WOS:000352315900021 CHENEVIX, Georg; DOLCE, Ric Medicine; NA; HASS; NA 10.5
# 2 WOS:000362644700013 CLOUST, A; STEVEN, A HABS; Medicine 37.5
# 3 WOS:000382460200025 WANG, Zhi Medicine 0.84
# 4 WOS:000381736200014 COIN, L IMB 8.05
# 5 WOS:000371540200019 BARL, Kare NA 29.4
这是一个data.table-方法
library( data.table )
#make df a data.table
setDT(df)
#first, paste the (unique) authors together by WoS_No
ans <- df[, .( authors = paste0( unique(Author), collapse = ";" ),
Faculty = paste0( Faculty, collapse = ";" ),
CNCI = unique(CNCI) ), by = WoS_No][]
# WoS_No authors Faculty CNCI
# 1: WOS:000352315900021 CHENEVIX, Georg;DOLCE, Ric Medicine;NA;HASS;NA 10.51
# 2: WOS:000362644700013 CLOUST, A;STEVEN, A HABS;Medicine 37.47
# 3: WOS:000382460200025 WANG, Zhi Medicine 0.84
# 4: WOS:000381736200014 COIN, L IMB 8.05
# 5: WOS:000371540200019 BARL, Kare NA 29.41
#split the author column
ans[, paste0( "Author", 1:length(tstrsplit( ans$authors, ";" ) )) := tstrsplit( authors, ";")]
# WoS_No authors Faculty CNCI Author1 Author2
# 1: WOS:000352315900021 CHENEVIX, Georg;DOLCE, Ric Medicine;NA;HASS;NA 10.51 CHENEVIX, Georg DOLCE, Ric
# 2: WOS:000362644700013 CLOUST, A;STEVEN, A HABS;Medicine 37.47 CLOUST, A STEVEN, A
# 3: WOS:000382460200025 WANG, Zhi Medicine 0.84 WANG, Zhi <NA>
# 4: WOS:000381736200014 COIN, L IMB 8.05 COIN, L <NA>
# 5: WOS:000371540200019 BARL, Kare NA 29.41 BARL, Kare <NA>
使用漂亮的 reshape():
data <- df[!duplicated(df[, c("WoS_No", "Author")]),]
data$grp.id <- ave(data$WoS_No, data$WoS_No, FUN = seq_along)
reshaped_data <- reshape(data, idvar= "WoS_No", timevar= "grp.id",
v.names=c("Author", "Faculty"), direction="wide")
WoS_No CNCI Author.1 Faculty.1 Author.2 Faculty.2
1 WOS:000352315900021 10.51 CHENEVIX, Georg Medicine DOLCE, Ric HASS
5 WOS:000362644700013 37.47 CLOUST, A HABS STEVEN, A Medicine
7 WOS:000382460200025 0.84 WANG, Zhi Medicine <NA> <NA>
8 WOS:000381736200014 8.05 COIN, L IMB <NA> <NA>
9 WOS:000371540200019 29.41 BARL, Kare <NA> <NA> <NA>
idvar 标识我们要传播的组。
timevar 标识组内的观察结果。我们需要为此创建 grp.id。
v.names 命名我们要传播的列。
direction 告诉我们转换为宽格式。