r - 使用矩阵变量制作 "tidy"tibble 数据集

Question

我有一个每人一行格式的数据集，但我想将数据集合并为一个矩阵变量——基本上，如果不是为了整洁的格式需要，我会使用模糊连接合并一系列日期的数据，创建 n x 3 行。相反，我真的想将它们合并为一个矩阵变量。

我试过使用模糊连接后接一个嵌套函数，但我的合并数据集包含几个变量，因此需要为嵌套函数显式声明我的变量将是一项繁重的工作，最终看起来很乱(尽管，我假设如果这是我唯一的前进方向，我可以 promise 这样做)。

通过提供我所想的可重现示例，我创建了以下假数据集:

person_data <- tibble(ID=paste0("ID", 1:50), outcome=sample(0:1, 50, T), date=sample(5:145, 50, F),min_date=date-5)
value_data <- tibble(date=seq(1:150), exp1=sample(20:100, 150, T), exp2=sample(20:100, 150, T))

我的第一个想法是像这样结合模糊连接和嵌套函数:

merged <- fuzzyjoin::fuzzy_left_join(person_data, value_data, by=c("date" = "date", "min_date" = "date"), match_fun=c(`>=`,`<=`))

analysis_data <- merged %>% 
  select(-date.y) %>% 
  group_by(ID) %>% 
  nest(exp1=exp1, exp2=exp2)

生成的 analysis_data 小标题在这里。

> analysis_data
# A tibble: 50 × 6
# Groups:   ID [50]
   ID    outcome date.x min_date exp1             exp2            
   <chr>   <int>  <int>    <dbl> <list>           <list>          
 1 ID1         1     39       34 <tibble [6 × 1]> <tibble [6 × 1]>
 2 ID2         1     87       82 <tibble [6 × 1]> <tibble [6 × 1]>
 3 ID3         0     23       18 <tibble [6 × 1]> <tibble [6 × 1]>
 4 ID4         1     60       55 <tibble [6 × 1]> <tibble [6 × 1]>
 5 ID5         1    120      115 <tibble [6 × 1]> <tibble [6 × 1]>
 6 ID6         0     35       30 <tibble [6 × 1]> <tibble [6 × 1]>
 7 ID7         0    131      126 <tibble [6 × 1]> <tibble [6 × 1]>
 8 ID8         0     83       78 <tibble [6 × 1]> <tibble [6 × 1]>
 9 ID9         0     68       63 <tibble [6 × 1]> <tibble [6 × 1]>
10 ID10        1    133      128 <tibble [6 × 1]> <tibble [6 × 1]>

在大多数情况下，它确实让我明白了，因为结果数据有 50 行，但是有没有更好/更简单的方法来解决这个问题，特别是如果我有 exp1-50 而不是 exp1 和 exp2？我还想添加一个 index 矩阵变量，但我不确定如何添加它。

意识到它不适合我的其余示例，我基本上想要一个最终看起来像这样的数据集:

fake_data_goal <- tibble(ID=paste0("ID", 1:50), outcome=sample(0:1, 50, T), var=matrix(data=sample(50:100, 50*3, T), nrow=50), index=matrix(rep(c(1:3), 50), nrow=50, byrow=T))

> fake_data_goal
# A tibble: 50 × 4
   ID    outcome var[,1]  [,2]  [,3] index[,1]  [,2]  [,3]
   <chr>   <int>   <int> <int> <int>     <int> <int> <int>
 1 ID1         0      66    90    71         1     2     3
 2 ID2         0      95    98    75         1     2     3
 3 ID3         0      57    84    91         1     2     3
 4 ID4         1      78    89    64         1     2     3
 5 ID5         1      97    73    95         1     2     3
 6 ID6         0      52    96    76         1     2     3
 7 ID7         0      62    93    57         1     2     3
 8 ID8         0      62    76    81         1     2     3
 9 ID9         1      55    58    67         1     2     3
10 ID10        0      81    91    91         1     2     3

提前致谢!

Answer 1

作为答案的一半，这至少意味着您不必重复输入 exp、exp2...直到 exp50 等，您可以在加入之前使用 pivot_longer，在嵌套之后使用 pivot_wider 来提供正确数量的列表列。然后可以通过模式匹配列名将它们提取到矩阵列中:

library(tidyverse)

person_data <-
  tibble(
    ID = paste0("ID", 1:50),
    outcome = sample(0:1, 50, T),
    date = sample(5:145, 50, F),
    min_date = date - 5
  )

value_data <-
  tibble(
    date = seq(1:150),
    exp1 = sample(20:100, 150, T),
    exp2 = sample(20:100, 150, T)
  )


merged <-
  fuzzyjoin::fuzzy_left_join(
    person_data,
    value_data |> pivot_longer(-date, names_to = "exp", values_to = "val"),
    by = c("date" = "date", "min_date" = "date"),
    match_fun = c(`>=`, `<=`)
  )

merged |> 
  select(-date.y) |> 
  group_by(ID, exp) |> 
  nest(val = val) |> 
  pivot_wider(names_from = exp,
              values_from = val) |> 
  rowwise() |>
  mutate(across(starts_with("exp"), ~ t(as.matrix(.x$val))))
#> # A tibble: 50 × 6
#> # Rowwise:  ID
#>    ID    outcome date.x min_date exp1[,1]  [,2]  [,3]  [,4]  [,5]  [,6] exp2[,1]
#>    <chr>   <int>  <int>    <dbl>    <int> <int> <int> <int> <int> <int>    <int>
#>  1 ID1         0    118      113       96    83    69    59    42    34       60
#>  2 ID2         1      9        4       38    91    83    28    87    73       96
#>  3 ID3         1     83       78       49    31    33    84    57    50       83
#>  4 ID4         1     97       92       91    92    21    53    59    39       23
#>  5 ID5         1     71       66       97    28    56    91    67    43       98
#>  6 ID6         1     27       22       81    88    41    22    24    84       36
#>  7 ID7         1     64       59       46    51    88    76    39    63       53
#>  8 ID8         0     72       67       28    56    91    67    43    55       23
#>  9 ID9         0     80       75       76    79    62    49    31    33       66
#> 10 ID10        0     87       82       57    50    31    72    95    31       66
#> # … with 40 more rows, and 1 more variable: exp2[2:6] <int>

^{由 reprex package 创建于 2022-08-10 (v2.0.1)}

如前所述，它没有完全回答您的问题，但至少可以让您达到在生成 analysis_data 时达到的半途可接受的阶段。

剩下的事情是:

1. 这是您希望您的 exp1 等变量去的地方吗？
2. 不清楚每一行的索引值来自何处？