r - 如何使用 dplyr 操作长表数据以进行关联，但无需将数据转置为宽格式

Question

我有一些数据代表患者 (id) 的重复( session A 和 B)测量 (var.x)。我的数据很整洁(即长格式表，每列中有一个变量，每行有一个观察值)...就像这样:

| id | var.1 | var.2 | session |
--------------------------------
|  1 |  1.1  |   11  |    A    |
|  1 |  1.9  |   12  |    B    |
|  2 |  1.2  |   15  |    A    |
|  2 |  1.4  |   14  |    B    |

我想对 session A 和 B 中的配对(按 id)数据(例如 var.1)进行相关性分析。换句话说，重复测量之间的相关系数是多少。

这并不难做到，如果我将数据转置/旋转/融化/传播为宽格式，如下所示:

| id | var.1.A | var.2.A | var.1.B | var.2.B |
----------------------------------------------
|  1 |  1.1    |   11    |   1.9   |   12    |
|  2 |  1.2    |   15    |   1.4   |   14    |

...然后我可以简单地 cor(var.1.A, var.1.B)。我意识到 dplyr/tidyr 有为此目的收集/传播/分离/联合命令，但是这对我来说似乎不整洁且不够优雅，因为我基本上必须复制我的数据。

有没有办法使用 dplyr 来做到这一点，而不需要重新调整数据？

我正在思考以下内容:

data %>% 
    select(id, var.1, session) %>%
    do( cor( filter(session=='A', filter(session=='B')) 

...但显然这不起作用，我还需要以某种方式指定数据是配对的(通过 id)。

Answer 1

我想我应该添加一个答案，展示如何使用 dplyr 中的 summarise_each 来执行此操作。

此方法取决于数据集顺序。在这种情况下，我喜欢使用 arrange 来确保数据集处于所需的顺序，尽管如果您确信事情已经按顺序排列，则可以跳过此操作。

data %>%
    arrange(id, session) %>%
    summarise_each(funs(cor(.[session == "A"], .[session == "B"])), starts_with("var"))

  var.1 var.2
1    -1     1

在 summarise_each 中，. 指的是您要汇总的变量，而在 do 中，它指的是数据集。

您可以简单地按名称写出要汇总的变量，但我使用函数 starts_with 来选择变量。有关这些特殊功能的更多信息，请参阅 select 的帮助页面。

您还需要确保每个 ID 中都有一对。如果您遇到 id 中缺少一个 session 级别的情况，tidyr 包中的 complete 函数可能会很有用。如果是这种情况，您可能需要在 cor 中使用 use 参数。