重塑异常数据集

我遇到了一个不寻常的数据集我需要重塑,但正常的reshape/tidyr包似乎没有办法解决它.虽然可以使用子集和rbind重新整形数据集,但必须有一种更直接的方法来解决此问题.

数据集如下所示:

ID  Item.1  Item.1.Value    Item.2  Item.2.Value    Item.3  Item.3.Value
001     A         3             C         7     
002     B         4             
003     A         2             B         1             F         5
004     C        10             L         3     

每次观察包含20次测量的集合中的1-3次测量.此外,相同的测量类型可以出现在不同观察的多个列中.

我需要将其更改为:

ID  Item    Item.Value
001  A      3
001  C      7
002  B      4
003  A      2
003  B      1
003  F      5
004  C      10
004  L      3

我的部分问题是我不知道初始表配置的传统术语.

谢谢!

我不会称之为"不寻常"的数据集,但增加额外复杂程度的事实是,在ID列之后,其余列都是Item-Value对.下面是使用基数reshape和tidyverse函数将数据从"宽"格式重新整形为"长"格式的方法.

为了重现性,这里是我开始使用的数据框:

df = structure(list(ID = c("001", "002", "003", "004"), Item.1 = structure(c(1L, 
2L, 1L, 3L), .Label = c("A", "B", "C"), class = "factor"), Item.1.Value = c(3L, 
4L, 2L, 10L), Item.2 = structure(c(3L, 1L, 2L, 4L), .Label = c("", 
"B", "C", "L"), class = "factor"), Item.2.Value = c(7L, NA, 1L, 
3L), Item.3 = c(NA, NA, "F", NA), Item.3.Value = c(NA, NA, 5L, 
NA)), .Names = c("ID", "Item.1", "Item.1.Value", "Item.2", "Item.2.Value", 
"Item.3", "Item.3.Value"), row.names = c(NA, -4L), class = "data.frame")

基本reshape方法

dfr = reshape(df, varying=list(seq(2,ncol(df),2),seq(3,ncol(df),2)), direction="long", 
              idvar="ID", timevar=NULL, v.names=c("Item","Value"))
dfr = dfr[!is.na(dfr$Value),]
dfr = dfr[order(dfr$ID),]

dfr

       ID Item Value
001.1 001    A     3
001.2 001    C     7
002.1 002    B     4
003.1 003    A     2
003.2 003    B     1
003.3 003    F     5
004.1 004    C    10
004.2 004    L     3

tidyverse 方法

我不确定这是否是最简洁或最优雅的方式,所以如果你有更好的方法,请告诉我.

library(tidyverse)

dfr = map2_df(seq(2,ncol(df),2), seq(3,ncol(df),2), 
     ~ setNames(df[, c(1,.x,.y)], c("ID","Item","Value"))) %>%
  filter(!is.na(Value)) %>%
  arrange(ID)

   ID Item Value
1 001    A     3
2 001    C     7
3 002    B     4
4 003    A     2
5 003    B     1
6 003    F     5
7 004    C    10
8 004    L     3