이전에 재구성 된 인덱스 열에 따라 여러 변수 그룹의 모양을 변경합니다.

R에서 data.table을 와이드에서 롱으로 재구성하려고합니다. 감소해야 할 변수 그룹이 여러 개 있지만 한 번에 한 그룹 씩 수행하는 초기 접근 방식은 오류가 발생하기 쉽습니다. 대안. 이 재현 가능한 예 에서는 원본 데이터와 비슷한 방식으로 두 개의 변수 그룹 ( XX및 YYY)을 만듭니다 .

내 솔루션은이 예제에서 작동하지만 원래 데이터 테이블에는이 코드를 신뢰하기가 쉽지 않은 열이 너무 많습니다. 문제가 내 구현에 있는지 또는 접근 방식 자체에 있는지 확실하지 않습니다 . 가능 하면 간단하게 유지하는 것이 좋습니다.

Q : 이 문제를 해결하는 더 좋은 방법이 있습니까?

예제 데이터

library(data.table)

dt.orig <- data.table(ID= 1:3,
                      a = c("Y", "Y", "N"),
                      b = c("N", "Y", "Y"),
                      XXa=c(101, 102, 103),
                      XXb=c(110, 120, 130),
                      YYYa=c(201, 202, 203),
                      YYYb=c(210, 220, 230))


dt.goal <- data.table(ID=c(1,1,2,2,3,3),
                      obs=c("a", "b"),
                      outcome = c("Y", "N", "Y", "Y", "N", "Y"),
                      XX=c(101, 110, 102, 120, 103, 130),
                      YYY=c(201, 210, 202, 220, 203, 230))

> dt.orig
   ID a b XXa XXb YYYa YYYb
1:  1 Y N 101 110  201  210
2:  2 Y Y 102 120  202  220
3:  3 N Y 103 130  203  230
> dt.goal
   ID obs outcome  XX YYY
1:  1   a       Y 101 201
2:  1   b       N 110 210
3:  2   a       Y 102 202
4:  2   b       Y 120 220
5:  3   a       N 103 203
6:  3   b       Y 130 230

dt.orig원본 데이터를 나타내며 dt.goal제가 달성하고자하는 것입니다. tidyr패키지 비 네트를 따르는 나의 초기 시도는 다음 과 같습니다.

시도 1 : tidyr/dplyr접근

library(tidyr)
library(dplyr)

dt.orig[, .(ID, a, b)] %>%
  pivot_longer(
    cols = c("a", "b"),
    names_to = "obs",
    values_to = "outcome"
  ) %>% data.table -> dt.tidyr1

dt.orig[, .(ID, XXa, XXb, YYYa, YYYb)] %>%
  pivot_longer(
             cols = XXa:YYYb,
             names_to = c(".value", "obs"),
             names_pattern = "(XX|YYY)(.)",
              ) %>% data.table -> dt.tidyr2

dt.tidyr1[, .(ID, obs, outcome)] == dt.goal[, .(ID, obs, outcome)] # test passes
dt.tidyr2[, .(ID, obs, XX, YYY)] == dt.goal[, .(ID, obs, XX, YYY)] # test passes

> merge(dt.tidyr1, dt.tidyr2)
   ID obs outcome  XX YYY
1:  1   a       Y 101 201
2:  1   b       N 110 210
3:  2   a       Y 102 202
4:  2   b       Y 120 220
5:  3   a       N 103 203
6:  3   b       Y 130 230

위의 코드에서 나는 처음에 이름 / 값의 쌍의 생성 obs에서와 결과를 a하고 b. 모든 변수 그룹에는 이름 지정 체계가 포함 a되어 b있으므로이 사실을 사용하여 단일 정규식으로 모든 그룹을 전달할 수 있습니다 .

그런 다음 두 데이터 테이블을 최종 데이터 테이블로 병합하거나 조인 할 수 있습니다.

시도 2 : data.table방법

동일한 원칙에 따라 원본 a와 b를 obs와 결과로 녹이기 시작한 다음 각 var 그룹에 대해 두 번째 단계 (간결성을 위해 여기에 표시되지 않음)를 수행 할 수 있습니다. 이 경우 한 번에 하나의 var 그룹을 녹이는 데 성공 했으므로이 예에서는 먼저 모든 XX를 수행 한 다음 모든 YYY를 수행합니다. 장점 / 단점 : 장점은 프로세스를 완료하기 위해 여러 단계 테이블을 만들 필요가 없다는 것입니다. 단점 : 실제 데이터의 모든 var 그룹을 사용하여이 접근 방식을 완료 할 커피가 충분하지 않습니다 (결과를 신뢰 함).

dt.melt1 <- melt(dt.orig,
                 id.vars = c("ID", "XXa", "XXb", "YYYa", "YYYb"),
                 measure = c("a", "b"),
                 variable.name = "obs",
                 value.name = "outcome")