R语言中Spell Data转长格式：生成含时间与存在标识的数据集

原始数据说明 #

我有一组Spell数据，包含ID、group（组标识）和spell_length（持续时长）三个字段，示例数据生成代码如下：

d <- data.frame(ID = 1:10, 
                group = sample(c("a", "b"), 10, replace = T), 
                spell_length = sample(1:3,10, replace = T))

查看前6行数据结果：

ID group spell_length
   1     b            1
   2     a            1
   3     a            3
   4     b            1
   5     a            1
   6     b            2

需求说明 #

需要将上述数据重塑为长格式，最终包含4个变量：

• ID：原数据ID
• group：原数据组标识
• time：取值范围为1至原数据中最大的spell_length（示例中为1-3）
• indicator：取值0或1，标识对应ID在该time点是否仍处于spell中（例如spell_length为1时，time=2和3的indicator为0）

预期输出示例如下：

ID group  time indicator
 1     b     1        1
 1     b     2        0
 1     b     3        0
 2     a     1        1
 2     a     2        0
 2     a     3        0
 3     a     1        1
 3     a     2        1
 3     a     3        1

解决方案 #

可以用tidyr和dplyr包实现，步骤如下：

1. 确定原始数据中最大的spell_length值
2. 为每个ID扩展出1到最大时长的time序列
3. 计算indicator：当time ≤ spell_length时为1，否则为0

代码实现：

library(tidyr)
library(dplyr)

# 确定最大时长
max_spell <- max(d$spell_length)

# 重塑数据
result <- d %>%
  # 为每个ID扩展time列，从1到max_spell
  uncount(max_spell, .id = "time") %>%
  # 计算indicator
  mutate(indicator = as.integer(time <= spell_length)) %>%
  # 按ID和time排序
  arrange(ID, time)

# 查看结果
head(result, 9)

运行后即可得到符合要求的长格式数据。

内容的提问来源于stack exchange，提问作者jkortner