将复杂的宽数据转换为长R

Question

我以为我确实将宽数据转换为long，并且我一直在使用它一段时间，但是最近我发现出了点问题。显然，代码是错误的，我似乎无法修复它。

宽泛的数据是复杂的，因为它包含了有关何人开始他/她的第一份工作，第二份工作等的信息。我想把它变成面板数据。

因此原始数据df如下所示：

id name gender job1 sjob1 ejob1 job2 sjob2 ejob2 job3 sjob3 ejob3 
1 Jane F  100 1990 1992 103 1993 1995 104 1994 1997 
2 Tom M  200 1978 1980 400 1981 1985 NA NA NA 

作业号码是工作代码，表明某些工作，即管理，销售等

以上是充满了很短的版本我有数据。需要的输出是：

id name gender year job 
1 Jane F  1990 100 
1 Jane F  1991 100 
1 Jane F  1992 100 
1 Jane F  1993 103 
1 Jane F  1994 104 
1 Jane F  1995 104 
1 Jane F  1996 104 
1 Jane F  1997 104 
2 Tom M  1978 200 
2 Tom M  1979 200 
2 Tom M  1980 200 
2 Tom M  1981 400 
2 Tom M  1982 400 
2 Tom M  1983 400 
2 Tom M  1984 400 
2 Tom M  1985 400 

我对广泛版本总共有大约1600个观察值。 （1600人）。我试过以下，但没有奏效：

df_long <-reshape(df, 
      varying=c("job1", "job2", "job3"), 
      v.names="job", 
      timevar="year", 
      times=c("sjob1", "sjob2", "sjob3"), 
      direction = "long") 

这实际上成功地在sjob1，sjob2，sjob3（每个任务的起始年）的顺序保留职位代码，但没有保存岁以下sjob1只是记录sjob1代替：

id name gender year job 
1 Jane F  sjob1 100 
1 Jane F  sjob2 103 
1 Jane F  sjob3 104 
2 Tom M  sjob1 200 
2 Tom M  sjob2 400 
2 Tom M  sjob3 NA 

以上是我的原始数据的例子，所以我想发表我的原始数据，以及：https://www.dropbox.com/s/ygbkd91ataqkwz5/origin_wide.RData

Answer 1

你可以做到这一点与plyr包：

# reading the data 
df <- read.table(text = "id name gender job1 sjob1 ejob1 job2 sjob2 ejob2 job3 sjob3 ejob3 
1 Jane F  100 1990 1992 103 1993 1995 104 1994 1997 
2 Tom M  200 1978 1980 400 1981 1985 NA NA NA", header = TRUE, strip.white = TRUE) 

# needed package 
require(plyr) 

# transforming the data 
df2 <- rbind(
    ddply(df, .(id, name, gender), mutate, year = sjob1, job = job1), 
    ddply(df, .(id, name, gender), mutate, year = ejob1, job = job1), 
    ddply(df, .(id, name, gender), mutate, year = sjob2, job = job2), 
    ddply(df, .(id, name, gender), mutate, year = ejob2, job = job2), 
    ddply(df, .(id, name, gender), mutate, year = sjob3, job = job3), 
    ddply(df, .(id, name, gender), mutate, year = ejob3, job = job3) 
) 

# getting rid off NA's & ordering the dataframe by id 
df2 <- na.omit(df2[order(df2$id),c(1:3,13,14)]) 

Answer 2

下面是使用reshape2草图和plyr：

第1步：重塑一个“长”格式，这是你要找的内容有所不同：

library(reshape2) 
df.m <- melt(df, id.vars=c("id", "name", "gender")) 

这会给你开始和结束时间，以及分类，对就业机会。

第2步：隔离作业ID：

df.m$job.id <- as.integer(gsub("^(.*job)([0-9]+)$", "\\2", df.m$variable)) 
df.m$variable <- gsub("^(.*)([0-9]+)$", "\\1", df.m$variable) 

第3步：你可以计算工作分类的表中的每个人的ID和作业ID（连同姓名和性别）：

library(plyr) 
df.jc <- rename(subset(df.m, variable=="job", select=c("id", "name", "gender", "value")), variable=job) 

步骤4：要获得完整的结果，您需要dcast数据以获得“宽”格式，其中包含两列sjob和ejob以及每个作业ID的每个人员ID一个观察值。然后，您可以adply生成一个年份序列，并将其合并回df.jc。

我还没有测试代码，也不能给你最后一步的东西，因为我无法轻松读取示例数据。如果您的数据为dput，那会非常有帮助。请提出一个单独的，更详细的问题以解决进一步的问题，并提供一些代码和数据。