Question

我有一个数据集，我希望在一个新的数据框中显示汇总结果。到目前为止，我已经创建了前两列，它们都是唯一ID和该ID的唯一案例编号的数量。现在，我正在寻找创建其他列，以将每个案例编号的“代码”显示为1st case，2nd case等列。逻辑是列将显示与案例编号对应的代码，如果案例编号相同，则它将首先显示最早的日期，然后在其后的列中显示较晚的日期。然后另一个“代码”用于相同ID之后的不同案例编号。任何帮助将不胜感激，谢谢，我无法弄清楚该怎么做！

所需结果：

     ID        cases.unique        1st Case     2nd Case    3rd Case    4th Case
 1   100            1                715.10      724.50
 2   200            2                717.00      300.02      366.90      444.22
 3   300            1                717.00
 4   400            1                465.80      785.00
 5   500            1                309.00

数据：

x <- data.frame("ID" = c(100, 100, 200, 200, 200, 200, 300, 400, 400, 500),
                "Case Number" = c(1111, 1111, 1000, 1000, 1001, 1001, 9999, 1422, 1422, 1522), 
                "Date" = c("2013/07/15", "2013/09/23", "2016/06/21", "2016/09/18", "2016/10/20", "2016/08/06", "2017/08/21", "2016/08/23", "2016/08/24","2016/08/14"),
                "Code" = c(715.1, 724.5,717,366.9,444.22,300.02,717,465.8,785,309.0))

到目前为止我所拥有的：

x2 <- x %>% 
  group_by(ID) %>% 
  summarize(
    cases.unique = n_distinct(Case.Number)
  )

Answer 1

尝试：

library(tidyverse)

x %>%
  group_by(ID) %>%
  arrange(Date = as.Date(Date, "%Y/%m/%d")) %>%
  mutate(cases.unique = n_distinct(Case.Number), 
         cnmbr = paste0("Case ", row_number())) %>%
  distinct(ID, cases.unique, cnmbr, Code) %>%
  spread(cnmbr, Code)

输出：

# A tibble: 5 x 6
# Groups:   ID [5]
     ID cases.unique `Case 1` `Case 2` `Case 3` `Case 4`
  <dbl>        <int>    <dbl>    <dbl>    <dbl>    <dbl>
1   100            1     715.     724.      NA       NA 
2   200            2     717      300.     367.     444.
3   300            1     717       NA       NA       NA 
4   400            1     466.     785       NA       NA 
5   500            1     309       NA       NA       NA

Answer 2

这是一种方法：

library(tidyverse)

x <- data.frame(
  ID = c(100, 100, 200, 200, 200, 200, 300, 400, 400, 500),
  Case Number = c(1111, 1111, 1000, 1000, 1001, 1001, 9999, 1422, 1422, 1522), 
  Date = c("2013/07/15", "2013/09/23", "2016/06/21", "2016/09/18", "2016/10/20", "2016/08/06", "2017/08/21", "2016/08/23", "2016/08/24","2016/08/14"),
  Code = c(715.1, 724.5,717,366.9,444.22,300.02,717,465.8,785,309.0)
)
x %>%
  group_by(ID) %>%
  mutate(
    cases.unique = n_distinct(Case.Number),
    case_label = paste0(row_number(), "_case")
  ) %>%
  select(-Case.Number, -Date) %>%
  spread(case_label, Code)
#> # A tibble: 5 x 6
#> # Groups:   ID [5]
#>      ID cases.unique `1_case` `2_case` `3_case` `4_case`
#>   <dbl>        <int>    <dbl>    <dbl>    <dbl>    <dbl>
#> 1   100            1     715.     724.      NA       NA 
#> 2   200            2     717      367.     444.     300.
#> 3   300            1     717       NA       NA       NA 
#> 4   400            1     466.     785       NA       NA 
#> 5   500            1     309       NA       NA       NA

^{由reprex package（v0.2.1）于2019-03-22创建}

将数据过滤并分组到新数据框上

2 个答案: