1

個人 (プレイヤー 1) と他の 2 人 (プレイヤー 2 およびプレイヤー 3) とのやり取りを説明するデータがあります。各行はプレーヤーのユニークな組み合わせを表していますが、プレーヤー 1 からプレーヤー 2、プレーヤー 1 からプレーヤー 3 のダイアドを個別に分析したいと思います。これを達成するために、各行のプレーヤー 1 のデータを維持しながら、プレーヤー 2 と 3 の記述変数を溶かすことができる、ある種のスタッキングを想定しています。さらに複雑なことに、個人ごとに複数の記述変数があります。

以下は、使用するデータの一部です (実際には、スタック/メルトしたいプレーヤー 2 と 3 用のはるかにわかりやすい変数があります)。

    p1_id <- c(1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1021, 1032, 1032, 1032, 1032, 1032, 1032)
    p1_age <- c(53, 53, 53, 53, 53, 53, 53, 53, 53, 53, 53, 53, 53, 53, 53, 45, 45, 45, 45, 45)
    p2_id <- c(14372, 15022,  9072, 15052, 2161, 18381, 15032, 14451, 16322, 11142, 8182,  1131, 7092, 4071, 16191, 18142, 4222, 11052, 2202, 16151)
    p2_money <- c(4, 2, 2, 2, 2, 2, 2, 2, 2, 2, 10, 0, 0, 10, 0, 6, 6, 4, 6, 6)
    p2_age <- c(50, 33, 56, 23, 29, 26, 28, 34, 20, 41, 34, 45, 23, 35, 25, 30, 40, 41, 45, 28)
    p3_id <- c(5151, 16181, 5182, 18462, 7231, 14372, 3052, 14532, 4152, 15012, 19212, 9062, 9032, 18351, 14461, 16291, 17102, 10102, 7051, 16282)
    p3_money <- c(4, 2, 2, 2, 2, 2, 2, 2, 2, 2, 0, 10, 10, 0, 10, 6, 6, 4, 6, 4)
    p3_age <- c(30, 29, 22, 22, 43, 50, 23, 32, 31, 46, 36, 36, 21, 27, 49, 38, 40, 48, 26, 32)
    df <- data.frame(p1_id, p1_age, p2_id, p2_money, p2_age, p3_id, p3_money, p3_age)

データフレーム:

     p1_id p1_age p2_id p2_money p2_age p3_id p3_money p3_age
     1   1021     53 14372        4     50  5151        4     30
     2   1021     53 15022        2     33 16181        2     29
     3   1021     53  9072        2     56  5182        2     22
     4   1021     53 15052        2     23 18462        2     22
     5   1021     53  2161        2     29  7231        2     43
     6   1021     53 18381        2     26 14372        2     50
     7   1021     53 15032        2     28  3052        2     23
     8   1021     53 14451        2     34 14532        2     32
     9   1021     53 16322        2     20  4152        2     31
     10  1021     53 11142        2     41 15012        2     46
     11  1021     53  8182       10     34 19212        0     36
     12  1021     53  1131        0     45  9062       10     36
     13  1021     53  7092        0     23  9032       10     21
     14  1021     53  4071       10     35 18351        0     27
     15  1032     53 16191        0     25 14461       10     49
     16  1032     45 18142        6     30 16291        6     38
     17  1032     45  4222        6     40 17102        6     40
     18  1032     45 11052        4     41 10102        4     48
     19  1032     45  2202        6     45  7051        6     26
     20  1032     45 16151        6     28 16282        4     32

上記の説明がわかりにくかった場合に備えて、再形成されたデータを次のように表示します。

     row p1_id p1_age p23_id p23_money p23_age 
     1   1021     53 14372        4     50  
     2   1021     53 15022        2     33 
     3   1021     53  9072        2     56  
     4   1021     53 15052        2     23 
     5   1021     53  2161        2     29  
     6   1021     53 18381        2     26 
     7   1021     53 15032        2     28 
     8   1021     53 14451        2     34
     9   1021     53 16322        2     20
     10  1021     53 11142        2     41 
     11  1021     53  8182       10     34 
     12  1021     53  1131        0     45  
     13  1021     53  7092        0     23  
     14  1021     53  4071       10     35 
     15  1032     53 16191        0     25 
     16  1032     45 18142        6     30 
     17  1032     45  4222        6     40 
     18  1032     45 11052        4     41 
     19  1032     45  2202        6     45  
     20  1032     45 16151        6     28 
     21  1021     53  5151        4     30  
     22  1021     53 16181        2     29
     23  1021     53  5182        2     22
     24  1021     53 18462        2     22
     25  1021     53  7231        2     43 
     26  1021     53 14372        2     50
     27  1021     53  3052        2     23 
     28  1021     53 14532        2     32 
     28  1021     53  4152        2     31
     30  1021     53 19212        0     36
     31  1021     53  9062       10     36 
     32  1021     53  9032       10     21 
     33  1021     53 18351        0     27
     34  1032     53 16191        0     25
     35  1032     53 14461       10     49
     36  1032     53 16291        6     38
     37  1032     53 17102        6     40 
     38  1032     53 10102        4     48 
     39  1032     53  7051        6     26 
     40  1032     53 16282        4     32

助けてくれてありがとう！

4

2 に答える 2

5

次のように列名を変更すると、これは非常に簡単に実行できます。

names(df) <- gsub("(.*)_(.*)", "\\2\\.\\1", names(df))
names(df)
# [1] "id.p1"    "age.p1"   "id.p2"    "money.p2" 
# [5] "age.p2"   "id.p3"    "money.p3" "age.p3"

次に、data.frameベース R の「idvar」として「row.names」を使用しますreshape()。

reshape(df, direction = "long", idvar = "row.names",
        timevar = "person", varying = 3:8)
#       id.p1 age.p1 person    id money age row.names
# 1.p2   1021     53     p2 14372     4  50         1
# 2.p2   1021     53     p2 15022     2  33         2
# 3.p2   1021     53     p2  9072     2  56         3
# 4.p2   1021     53     p2 15052     2  23         4
# 5.p2   1021     53     p2  2161     2  29         5
# 6.p2   1021     53     p2 18381     2  26         6
# 7.p2   1021     53     p2 15032     2  28         7
# 8.p2   1021     53     p2 14451     2  34         8
# 9.p2   1021     53     p2 16322     2  20         9
# 10.p2  1021     53     p2 11142     2  41        10
# 11.p2  1021     53     p2  8182    10  34        11
# 12.p2  1021     53     p2  1131     0  45        12
# 13.p2  1021     53     p2  7092     0  23        13
# 14.p2  1021     53     p2  4071    10  35        14
# 15.p2  1032     53     p2 16191     0  25        15
# 16.p2  1032     45     p2 18142     6  30        16
# 17.p2  1032     45     p2  4222     6  40        17
# 18.p2  1032     45     p2 11052     4  41        18
# 19.p2  1032     45     p2  2202     6  45        19
# 20.p2  1032     45     p2 16151     6  28        20
# 1.p3   1021     53     p3  5151     4  30         1
# 2.p3   1021     53     p3 16181     2  29         2
# 3.p3   1021     53     p3  5182     2  22         3
# 4.p3   1021     53     p3 18462     2  22         4
# 5.p3   1021     53     p3  7231     2  43         5
# 6.p3   1021     53     p3 14372     2  50         6
# 7.p3   1021     53     p3  3052     2  23         7
# 8.p3   1021     53     p3 14532     2  32         8
# 9.p3   1021     53     p3  4152     2  31         9
# 10.p3  1021     53     p3 15012     2  46        10
# 11.p3  1021     53     p3 19212     0  36        11
# 12.p3  1021     53     p3  9062    10  36        12
# 13.p3  1021     53     p3  9032    10  21        13
# 14.p3  1021     53     p3 18351     0  27        14
# 15.p3  1032     53     p3 14461    10  49        15
# 16.p3  1032     45     p3 16291     6  38        16
# 17.p3  1032     45     p3 17102     6  40        17
# 18.p3  1032     45     p3 10102     4  48        18
# 19.p3  1032     45     p3  7051     6  26        19
# 20.p3  1032     45     p3 16282     4  32        20

更新：dcast()「reshape2」からの使用

「reshape2」パッケージ（またはおそらく「plyr」）に精通している人が、以下よりも簡潔な解決策を思い付くことができることを願っています。このソリューションには以下が含まれます。

  1. ダミーの「id」列。
  2. データセットを「溶かす」。
  3. colsplit()(「reshape2」から) を使用して、いくつかの新しい列を生成します。
  4. dcast()目的のフォームに到達するために使用します。

外観は次のとおりです。

df$id <- 1:nrow(df)
df2 <- melt(df, id.vars=c("id", "p1_id", "p1_age"))
df2 <- cbind(df2[-4], 
             colsplit(df2$variable, "_", c("person", "var")))
head(df2)
out <- dcast(df2, id + p1_id + p1_age + person ~ var)
list(head(out), tail(out))
# [[1]]
#   id p1_id p1_age person age    id money
# 1  1  1021     53     p2  50 14372     4
# 2  1  1021     53     p3  30  5151     4
# 3  2  1021     53     p2  33 15022     2
# 4  2  1021     53     p3  29 16181     2
# 5  3  1021     53     p2  56  9072     2
# 6  3  1021     53     p3  22  5182     2
# 
# [[2]]
#    id p1_id p1_age person age    id money
# 35 18  1032     45     p2  41 11052     4
# 36 18  1032     45     p3  48 10102     4
# 37 19  1032     45     p2  45  2202     6
# 38 19  1032     45     p3  26  7051     6
# 39 20  1032     45     p2  28 16151     6
# 40 20  1032     45     p3  32 16282     4

したがって、基本的に、どのようなアプローチをとっても、そのようdata.frameな変換により適した形式にするために、前処理を行う必要があるようです。

于 2013-01-06T07:58:50.583 に答える
2

これは最も効率的な方法ではないかもしれませんが、あなたが望むことはできると思います。

df <- data.frame(p1_id, p1_age, p2_id, p2_money, p2_age, p3_id, p3_money, p3_age)

player2 <- df[,names(df) %in% c('p1_id','p1_age','p2_id','p2_money','p2_age')]
colnames(player2) <- c('p1_id', 'p1_age', 'p23_id', 'p23_money', 'p23_age')

player3 <- df[,names(df) %in% c('p1_id','p1_age','p3_id','p3_money','p3_age')]
colnames(player3) <- c('p1_id', 'p1_age', 'p23_id', 'p23_money', 'p23_age')

df2 <- rbind(player2, player3)
df2

投稿されたデータセットで 1032 年の年齢が変わるのはなぜですか? プレーヤー 1032 は、あるデータ セットでは 45 歳で、別のデータ セットでは 53 歳です。だから私は何かを理解していません.おそらく私の答えはあなたが望むことをしていません.

実際、プレーヤー 1032 は、元のデータ セットの 1 行で 53 歳、5 行で 45 歳です。全部で6行。

再形成されたデータ セットでは、Player 1032 は 8 行で 53 歳、5 行で 45 歳です。全部で13行。

これは印刷ミスですか？そうでない場合、私の答えは間違っています。

編集：

上記の私の答えが正しいと仮定し、列が常にプレーヤーと属性の順に並べられていると仮定すると、次のコードは任意の数のプレーヤー属性に対して機能しn.player1、列名の変更のみが必要ですdf2。

df <- data.frame(p1_id, p1_age, p2_id, p2_money, p2_age, p3_id, p3_money, p3_age)

n.player1 <- 2

player2 <- df[,1:(n.player1+((ncol(df)-n.player1)/2))]
colnames(player2) <- paste("X", seq_along(1:ncol(player2)), sep="")

player3 <- df[,c(1:n.player1,(ncol(player2)+1):ncol(df))]
colnames(player3) <- paste("X", seq_along(1:ncol(player3)), sep="")

df2 <- rbind(player2, player3)
colnames(df2) <- c('p1_id', 'p1_age', 'p23_id', 'p23_money', 'p23_age')
df2
于 2013-01-06T05:15:40.117 に答える