r - 取消聚合数据框

Question

有很多类似的问题(例如 Repeat each row of data.frame the number of times specified in a column、De-aggregate / reverse-summarise / expand a dataset in R、Repeating rows of data.frame in dplyr)，但我的数据集的结构与这些问题的答案假设不同。

我有一个数据框，其中包含每个 组 中的测量频率以及每个组中每个结果的观察总数 total_N:

tibble(group=c("A", "B"), total_N=c(4,5), measure_A=c(1,4), measure_B=c(2,3))
# A tibble: 2 x 4
  group total_N outcome_A outcome_B
  <chr>   <dbl>     <dbl>     <dbl>
1 A           4         1         2
2 B           5         4         3

我想取消聚合数据，以便数据框的行数与总观察数一样多，并且每个结果都有一个 1 用于所有观察结果和一个 0 对于没有结果的所有观察。因此最终结果应该是这样的数据框:

# A tibble: 9 x 3
  group outcome_A outcome_B
  <chr>     <dbl>     <dbl>
1 A             1         1
2 A             0         1
3 A             0         0
4 A             0         0
5 B             1         1
6 B             1         1
7 B             1         1
8 B             1         0
9 B             0         0

由于聚合数据不包含任何有关 outcome_A 和 outcome_B 组合频率(即相关性)的信息，因此可以忽略。

Answer 1

这是一个 tidyverse 解决方案。

如您所说，很容易将一行重复任意次数。如果您知道 row_number() 在对数据框进行分组时对组内的行进行计数，那么很容易将分组计数转换为存在/不存在标志。 across 为您提供了一种简洁地转换多个计数列的方法。

library(tidyverse)

tibble(group=c("A", "B"), total_N=c(4,5), measure_A=c(1,4), measure_B=c(2,3)) %>% 
  uncount(total_N) %>% 
  group_by(group) %>% 
  mutate(
    across(
      starts_with("measure"), 
      function(x) as.numeric(row_number() <= x)
    )
  ) %>%
  ungroup()
# A tibble: 9 × 3
  group measure_A measure_B
  <chr>     <dbl>     <dbl>
1 A             1         1
2 A             0         1
3 A             0         0
4 A             0         0
5 B             1         1
6 B             1         1
7 B             1         1
8 B             1         0
9 B             0         0

正如您所说，这种方法没有考虑结果列之间的相关性，因为这不能从分组数据中推断出来。