r - 在可变位置整理具有多个部分/标题的数据集

Question

上下文

我正在尝试读入并整理一个 excel 文件，其中多个标题/部分位于可变位置。这些 header 的内容需要作为变量添加。输入文件是相对较大的 excel 文件，其格式考虑了(人类)可读性，但仅此而已。

输入:

假设数据集包含多个城市的汽车类型分布(基于汽车使用的燃料)。正如您将看到的，在原始文件中，城市名称用作标题(或分隔符)。我们需要这个 header 作为变量。不幸的是，并未列出所有类型，并且缺少一些值。这是一个虚构的示例集:

 df <- data.frame(
        col1= c("Seattle","Diesel","Gasoline","LPG","Electric","Boston","Diesel","Gasoline","Electric"),
        col2= c(NA, 80 ,NA,10,10,NA,65,25,10)
 )

      col1 col2
1  Seattle   NA
2   Diesel   80
3 Gasoline   NA
4      LPG   10
5 Electric   10
6   Boston   NA
7   Diesel   65
8 Gasoline   25
9 Electric   10

期望的结果:

     city     type value
1 Seattle   Diesel    80
2 Seattle Gasoline    NA
3 Seattle      LPG    10
4 Seattle Electric    10
5  Boston   Diesel    65
6  Boston Gasoline    25
7  Boston Electric    10

我的尝试:

我得到的最接近的是使用 dplyr 的 dense_rank() 和 lag() 但这不是一个理想的解决方案。

非常感谢任何输入!

Answer 1

假设您有一个有限的措施列表(柴油、电力等)，您可以制作一个列表以进行检查。 col1 的任何不在该组度量中的值都可能是一个城市。提取这些(请注意，它目前是一个因素，所以我使用了 as.character)，填写并删除所有标题行。

library(dplyr)

meas <- c("Diesel", "Gasoline", "LPG", "Electric")

df %>%
  mutate(city = ifelse(!col1 %in% meas, as.character(col1), NA)) %>%
  tidyr::fill(city) %>%
  filter(col1 != city)
#>       col1 col2    city
#> 1   Diesel   80 Seattle
#> 2 Gasoline   NA Seattle
#> 3      LPG   10 Seattle
#> 4 Electric   10 Seattle
#> 5   Diesel   65  Boston
#> 6 Gasoline   25  Boston
#> 7 Electric   10  Boston