J'ai des données provenant d'un sondage en ligne où les répondants parcourent une boucle de questions 1 à 3 fois. Le logiciel d'enquête (Qualtrics) enregistre ces données dans plusieurs colonnes qui est, Q3.2 dans l'enquête aura des colonnes Q3.2.1.
, Q3.2.2.
et Q3.2.3.
:
df <- data.frame(
id = 1:10,
time = as.Date('2009-01-01') + 0:9,
Q3.2.1. = rnorm(10, 0, 1),
Q3.2.2. = rnorm(10, 0, 1),
Q3.2.3. = rnorm(10, 0, 1),
Q3.3.1. = rnorm(10, 0, 1),
Q3.3.2. = rnorm(10, 0, 1),
Q3.3.3. = rnorm(10, 0, 1)
)
# Sample data
id time Q3.2.1. Q3.2.2. Q3.2.3. Q3.3.1. Q3.3.2. Q3.3.3.
1 1 2009-01-01 -0.2059165 -0.29177677 -0.7107192 1.52718069 -0.4484351 -1.21550600
2 2 2009-01-02 -0.1981136 -1.19813815 1.1750200 -0.40380049 -1.8376094 1.03588482
3 3 2009-01-03 0.3514795 -0.27425539 1.1171712 -1.02641801 -2.0646661 -0.35353058
...
Je veux combiner toutes les colonnes QN.N * dans des colonnes QN.N individuelles bien rangées, pour finalement aboutir à quelque chose comme ceci:
id time loop_number Q3.2 Q3.3
1 1 2009-01-01 1 -0.20591649 1.52718069
2 2 2009-01-02 1 -0.19811357 -0.40380049
3 3 2009-01-03 1 0.35147949 -1.02641801
...
11 1 2009-01-01 2 -0.29177677 -0.4484351
12 2 2009-01-02 2 -1.19813815 -1.8376094
13 3 2009-01-03 2 -0.27425539 -2.0646661
...
21 1 2009-01-01 3 -0.71071921 -1.21550600
22 2 2009-01-02 3 1.17501999 1.03588482
23 3 2009-01-03 3 1.11717121 -0.35353058
...
La tidyr
bibliothèque a la gather()
fonction, qui fonctionne très bien pour combiner un ensemble de colonnes:
library(dplyr)
library(tidyr)
library(stringr)
df %>% gather(loop_number, Q3.2, starts_with("Q3.2")) %>%
mutate(loop_number = str_sub(loop_number,-2,-2)) %>%
select(id, time, loop_number, Q3.2)
id time loop_number Q3.2
1 1 2009-01-01 1 -0.20591649
2 2 2009-01-02 1 -0.19811357
3 3 2009-01-03 1 0.35147949
...
29 9 2009-01-09 3 -0.58581232
30 10 2009-01-10 3 -2.33393981
La base de données résultante a 30 lignes, comme prévu (10 individus, 3 boucles chacun). Cependant, la collecte d'un deuxième ensemble de colonnes ne fonctionne pas correctement - cela réussit à créer les deux colonnes combinées Q3.2
et Q3.3
, mais finit avec 90 lignes au lieu de 30 (toutes les combinaisons de 10 individus, 3 boucles de Q3.2 et 3 boucles de Q3 .3; les combinaisons augmenteront considérablement pour chaque groupe de colonnes dans les données réelles):
df %>% gather(loop_number, Q3.2, starts_with("Q3.2")) %>%
gather(loop_number, Q3.3, starts_with("Q3.3")) %>%
mutate(loop_number = str_sub(loop_number,-2,-2))
id time loop_number Q3.2 Q3.3
1 1 2009-01-01 1 -0.20591649 1.52718069
2 2 2009-01-02 1 -0.19811357 -0.40380049
3 3 2009-01-03 1 0.35147949 -1.02641801
...
89 9 2009-01-09 3 -0.58581232 -0.13187024
90 10 2009-01-10 3 -2.33393981 -0.48502131
Existe-t-il un moyen d'utiliser plusieurs appels pour gather()
aimer ceci, en combinant de petits sous-ensembles de colonnes comme celui-ci tout en conservant le nombre correct de lignes?
seperate()
j'incluais ensuite une sorte d'appel pour diviser les valeurs Q3.3 (et au-delà) dans leurs propres colonnes. Mais cela semble toujours être une solution de piratage vraiment détournée ...
spread
je travaille sur une solution maintenant: p
df %>% gather(question_number, Q3.2, starts_with("Q3.")) %>% mutate(loop_number = str_sub(question_number,-2,-2), question_number = str_sub(question_number,1,4)) %>% select(id, time, loop_number, question_number, Q3.2) %>% spread(key = question_number, value = Q3.2)
spread()
. Bien que plusieurs appels semblent inévitables de toute façon, que ce soit un groupe de generate()
s qui fonctionnent ou imbriqués spread()
…
df %>% gather(loop_number, Q3.2, starts_with("Q3."))