преобразование данных кадра

Question

У меня есть вопросник с открытым вопросом, как «Пожалуйста, назовите до десяти животных», который дает мне следующий кадр данных (где каждая буква обозначает животное):

nrow <- 1000 
list <- vector("list", nrow) 

for(i in 1:nrow){ 
    na <- rep(NA, sample(1:10, 1)) 
    list[[i]] <- sample(c(letters, na), 10, replace=FALSE) 
} 

df <- data.frame() 
df <- rbind(df, do.call(rbind, list)) 

head(df) 
# V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 
# 1 r <NA> a j w e i h u z 
# 2 t o e x d v <NA> z n c 
# 3 f y e s n c z i u k 
# 4 y <NA> v j h z p i c q 
# 5 w s v f <NA> c g b x e 
# 6 p <NA> a h v x k z o <NA> 

Как я могу преобразовать этот фрейм данных, чтобы выглядеть как следующий фрейм данных? Помните, что я действительно не знаю имена столбцов.

r <- 1000 
c <- length(letters) 
t1 <- matrix(rbinom(r*c,1,0.5),r,c) 
colnames(t1) <- letters 
head(t1) 
#  a b c d e f g h i j k l m n o p q r s t u v w x y z 
# [1,] 0 1 0 1 0 0 0 1 0 0 1 1 1 1 0 0 0 1 0 1 0 1 1 0 1 0 
# [2,] 1 1 1 1 0 1 0 1 1 1 1 0 1 0 0 0 1 1 1 0 0 1 0 1 0 1 
# [3,] 0 1 0 0 0 1 1 1 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 
# [4,] 1 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 1 1 0 1 0 1 1 0 0 
# [5,] 1 0 1 1 1 1 1 1 1 0 1 1 0 0 0 0 1 1 0 1 1 0 0 1 0 0 
# [6,] 1 1 0 1 1 0 0 1 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 0 1 

Answer 1

Вы можете попробовать mtabulate из пакета «qdapTools»:

library(qdapTools) 
head(mtabulate(as.data.frame(t(df)))) 
# c d i l m o r v x y a f s t k p u b h j n q e g w z 
# 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
# 2 0 1 0 0 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 
# 3 0 0 1 0 0 0 1 0 1 1 1 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 
# 4 1 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 
# 5 0 1 0 0 0 0 1 0 0 0 0 0 1 0 1 1 0 1 1 0 1 1 0 0 0 0 
# 6 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1 0 1 1 0 1 0 1 0 0 0 0 

---

Есть, конечно, многие другие варианты.

Например, cSplit_e из моего пакета «splitstackshape» (с недостатком, что нерационально, вам нужно вставить значения вместе, прежде чем вы можете разделить их):

library(splitstackshape) 
library(dplyr) 

Как нулей и единиц:

df %>% 
    mutate(combined = apply(., 1, function(x) paste(na.omit(x), collapse = ","))) %>% 
    cSplit_e("combined", ",", mode = "binary", type = "character", fill = 0) %>% 
    select(starts_with("combined_")) %>% 
    head 
# combined_a combined_b combined_c combined_d combined_e combined_f combined_g combined_h combined_i 
# 1   0   0   1   1   0   0   0   0   1 
# 2   1   0   0   1   0   1   0   0   0 
# 3   1   0   0   0   0   0   0   0   1 
# 4   0   1   1   0   0   0   0   1   1 
# 5   0   1   0   1   0   0   0   1   0 
# 6   0   1   0   0   0   0   0   0   0 
# combined_j combined_k combined_l combined_m combined_n combined_o combined_p combined_q combined_r 
# 1   0   0   1   1   0   1   0   0   1 
# 2   0   0   0   1   0   0   0   0   0 
# 3   0   1   0   0   0   0   1   0   1 
# 4   1   0   1   0   1   0   0   0   0 
# 5   0   1   0   0   1   0   1   1   1 
# 6   1   1   0   1   0   0   0   1   0 
# combined_s combined_t combined_u combined_v combined_w combined_x combined_y combined_z 
# 1   0   0   0   1   0   1   1   0 
# 2   1   1   0   0   0   0   0   0 
# 3   0   1   1   0   0   1   1   0 
# 4   0   0   1   0   0   0   1   0 
# 5   1   0   0   0   0   0   0   0 
# 6   1   1   1   0   0   0   0   0 

Как исходные значения:

df %>% 
    mutate(combined = apply(., 1, function(x) paste(na.omit(x), collapse = ","))) %>% 
    cSplit_e("combined", ",", mode = "value", type = "character", fill = "") %>% 
    select(starts_with("combined_")) %>% 
    head 
# combined_a combined_b combined_c combined_d combined_e combined_f combined_g combined_h combined_i 
# 1        c   d              i 
# 2   a        d      f         
# 3   a                      i 
# 4      b   c              h   i 
# 5      b      d           h   
# 6      b                    
# combined_j combined_k combined_l combined_m combined_n combined_o combined_p combined_q combined_r 
# 1        l   m      o        r 
# 2           m              
# 3      k              p      r 
# 4   j      l      n            
# 5      k        n      p   q   r 
# 6   j   k      m           q   
# combined_s combined_t combined_u combined_v combined_w combined_x combined_y combined_z 
# 1           v      x   y   
# 2   s   t                 
# 3      t   u        x   y   
# 4        u           y   
# 5   s                    
# 6   s   t   u 

В качестве альтернативы вы можете использовать «reshape2»:

library(reshape2) 

## The values 
dcast(melt(as.matrix(df), na.rm = TRUE), 
     Var1 ~ value, value.var = "value") 

## ones and zeroes 
dcast(melt(as.matrix(df), na.rm = TRUE), 
     Var1 ~ value, value.var = "value", fun.aggregate = length) 

Answer 2

td <- data.frame(t(apply(df, 1, function(x) as.numeric(unique(unlist(df)) %in% x)))) 
colnames (td) <- unique(unlist(df)) 

letters можно заменить вектором названий животных colnames(t1).

Answer 3

Вы можете сделать следующее, используя tidyr, который может быть намного быстрее, чем другие подходы, хотя мне очень нравится подход @germcd. Возможно, вам придется повозиться с выбором, удаление Nas, а также пустое пространством, которое может быть артефактом моделируемых данных, при условии:

require(tidyr) 

## Add an ID for each record: 
df$id <- 1:nrow(df) 

out <- (df %>% 
    gather(column, animal, -id) %>% 
    filter(animal != " ") %>% 
    spread(animal, column) 
) 

head(out) 

Этого код собирает неназванные столбцы в длинный формат, удаляет любой пустые столбцы или отсутствующие данные, а затем распространяется по уникальным значениям столбца животных. Это также имеет потенциально желательное свойство сохранения порядка столбцов, в котором были названы животные. Если это не желательно, то вы можете легко конвертировать результирующие столбцы животных к числовым:

out_num <- out 
out_num[,-1] <- as.numeric((!is.na(out[,-1]))) 
head(out_num)