如何在R中對這些資料進行排序

我有以下資料：

data<-read.table (text=" ID Name    Surname colour  A1  A2  A3  Income1 M1  M2  M3  Income2 P1  P2  P3  Income3 Y1  Y2  Y3  Inccome4    R1  R2  R3  Income5 B1  B2  B3  Income6
656 Nim Kami    blue    12  20  18  A   NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA
656 Nim Kami    yellow  NA  NA  NA  NA  NA  NA  NA  NA  16  19  18  B   NA  NA  NA  NA  9   1   2   Q   NA  NA  NA  NA
656 Nim Kami    red NA  NA  NA  NA  12  14  11  M   NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA
656 Nim Kami    black   NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  15  16  18  G   NA  NA  NA  NA  12  12  12  Q
444 Liz Zor dark    10  10  10  Q   NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA
444 Liz Zor purple  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  14  11  18  M   NA  NA  NA  NA  NA  NA  NA  NA
444 Liz Zor gray    NA  NA  NA  NA  20  20  20  D   NA  NA  NA  NA  NA  NA  NA  NA  11  11  11  G   NA  NA  NA  NA
444 Liz Zor green   NA  NA  NA  NA  NA  NA  NA  NA  13  11  10  R   NA  NA  NA  NA  NA  NA  NA  NA  19  11  6   Z

", header=TRUE)

結果將是：

OUTCOME<-read.table (text="ID   Name    Surname colour1 A1  A2  A3  Income1 colour2 M1  M2  M3  Income2 colour3 P1  P2  P3  Income3 colour4 Y1  Y2  Y3  Income4 colour5 R1  R2  R3  Income5 colour6 B1  B2  B3  Income6
656 Nim Kami    blue    12  20  18  A   red 12  14  11  M   yellow  16  19  18  B   black   15  16  18  G   yellow  9   1   2   Q   black   12  12  12  Q
444 Liz Zor dark    10  10  10  Q   gray    20  20  20  D   green   13  11  10  R   purple  14  11  18  M   gray    11  11  11  G   green   19  11  6   Z
", header=TRUE)

我想洗掉重復項，然后創建顏色 1 到顏色 6。

uj5u.com熱心網友回復：

一個可能的解決方案，基于purrr::map_dfr：

library(tidyverse)

data %>% 
  group_split(ID) %>% 
  map_dfr(
    ~ data.frame(
      ID = .x$ID[1],
      Name = .x$Name[1],
      Surname = .x$Surname[1],
      Color1 = .x$colour[!is.na(.x$A1)],
      A1 = .x$A1[!is.na(.x$A1)],
      A2 = .x$A2[!is.na(.x$A2)],
      A3 = .x$A3[!is.na(.x$A3)],
      Income1 = .x$Income1[!is.na(.x$Income1)],
      Color2 = .x$colour[!is.na(.x$M1)],
      M1 = .x$M1[!is.na(.x$M1)],
      M2 = .x$M2[!is.na(.x$M2)],
      M3 = .x$M3[!is.na(.x$M3)],
      Income2 = .x$Income2[!is.na(.x$Income2)],
      Color3 = .x$colour[!is.na(.x$P1)],
      P1 = .x$P1[!is.na(.x$P1)],
      P2 = .x$P2[!is.na(.x$P2)],
      P3 = .x$P3[!is.na(.x$P3)],
      Income3 = .x$Income3[!is.na(.x$Income3)],
      Color4 = .x$colour[!is.na(.x$Y1)],
      Y1 = .x$Y1[!is.na(.x$Y1)],
      Y2 = .x$Y2[!is.na(.x$Y2)],
      Y3 = .x$Y3[!is.na(.x$Y3)],
      Income4 = .x$Inccome4[!is.na(.x$Inccome4)],
      Color5 = .x$colour[!is.na(.x$R1)],
      R1 = .x$R1[!is.na(.x$R1)],
      R2 = .x$R2[!is.na(.x$R2)],
      R3 = .x$R3[!is.na(.x$R3)],
      Income5 = .x$Income5[!is.na(.x$Income5)],
      Color6 = .x$colour[!is.na(.x$B1)],
      B1 = .x$B1[!is.na(.x$B1)],
      B2 = .x$B2[!is.na(.x$B2)],
      B3 = .x$B3[!is.na(.x$B3)],
      Income6 = .x$Income6[!is.na(.x$Income6)]
    )
  )

#>    ID Name Surname Color1 A1 A2 A3 Income1 Color2 M1 M2 M3 Income2 Color3 P1 P2
#> 1 444  Liz     Zor   dark 10 10 10       Q   gray 20 20 20       D  green 13 11
#> 2 656  Nim    Kami   blue 12 20 18       A    red 12 14 11       M yellow 16 19
#>   P3 Income3 Color4 Y1 Y2 Y3 Income4 Color5 R1 R2 R3 Income5 Color6 B1 B2 B3
#> 1 10       R purple 14 11 18       M   gray 11 11 11       G  green 19 11  6
#> 2 18       B  black 15 16 18       G yellow  9  1  2       Q  black 12 12 12
#>   Income6
#> 1       Z
#> 2       Q

標籤：r

上一篇：fixst與lm-不同的結果？（區別不同）

下一篇：如何保留那些重復多次的字串