R 函数，用于将列重新格式化为指示起点和终点的行

Question

我正在尝试在 R 中找出一种方法来重新格式化我的数据框，以便具有 2 个或更多停靠点(区域)的 Veh 列在自己的行中表示，并重复区域 2 作为新的起点。作为 R 的新手，我不知道如何去做这件事。任何帮助将不胜感激。

例如，id喜欢转换这个

ID  Veh   Area 1    Area 2  Area 3   Area 4
1  Veh 1  Area A    Area B    NA       NA                    
2  Veh 2  Area C    NA        NA       NA                     
3  Veh 3  Area D    Area A    NA       NA                   
4  Veh 4  Area E    Area F   Area D  Area A 
5  Veh 5  Area H    Area B   Area C    NA    
6  Veh 6  Area J    Area K   Area A  Area B 

进入此:

ID  Veh    Start_Area  Stop_Area
1  Veh 1   Area A      Area B 
2  Veh 2   Area C      Area C
3  Veh 3   Area D      Area A 
4  Veh 4   Area E      Area F 
5  Veh 4   Area F      Area G
6  Veh 4   Area D      Area A   
7  Veh 5   Area H      Area B      
8  Veh 5   Area B      Area C  
9  Veh 6   Area J      Area K   
10 Veh 6   Area K      Area F 
11 Veh 6   Area A      Area B 

然后计算每对的频率

Answer 1

我们可以使用base R去做这个。使用 apply 循环遍历行( MARGIN = 1 ) 与列的子集，即删除第一两列(不需要)，然后我们删除 NA在行 ( na.omit ), if length所得向量的值为 1，则创建 data.frame两列都作为该值或 else ，删除第一个和最后一个值以创建“Stop_Area”、“Start_Area”。输出将是 list 。然后，我们rep根据此 list 的行数复制原始数据集的行，以及 cbind它与 list cbind编辑

lst1 <- apply(df1[-(1:2)], 1, function(x) {
      x1 <- na.omit(x)
 if(length(x1) == 1) data.frame(StartArea = x1, Stop_Area = x1) else 
    data.frame(StartArea = x1[-length(x1)], Stop_Area = x1[-1]) 
  })

out <- cbind(df1[1:2][rep(seq_len(nrow(df1)),
          sapply(lst1, nrow)),], do.call(rbind, lst1))
row.names(out) <- NULL

-输出

out
#   ID   Veh StartArea Stop_Area
#1   1 Veh 1    Area A    Area B
#2   2 Veh 2    Area C    Area C
#3   3 Veh 3    Area D    Area A
#4   4 Veh 4    Area E    Area F
#5   4 Veh 4    Area F    Area D
#6   4 Veh 4    Area D    Area A
#7   5 Veh 5    Area H    Area B
#8   5 Veh 5    Area B    Area C
#9   6 Veh 6    Area J    Area K
#10  6 Veh 6    Area K    Area A
#11  6 Veh 6    Area A    Area B

数据

df1 <- structure(list(ID = 1:6, Veh = c("Veh 1", "Veh 2", "Veh 3", "Veh 4", 
"Veh 5", "Veh 6"), Area1 = c("Area A", "Area C", "Area D", "Area E", 
"Area H", "Area J"), Area2 = c("Area B", NA, "Area A", "Area F", 
"Area B", "Area K"), Area3 = c(NA, NA, NA, "Area D", "Area C", 
"Area A"), Area4 = c(NA, NA, NA, "Area A", NA, "Area B")),
class = "data.frame", row.names = c(NA, 
-6L))