R tidyverse包结合excel进行数据框的横向、纵向及“键值对”格式转换

概念定义

翻看网络上诸多有关进行数据库横纵向转换、或长宽转换的博文，发现大家对于“横向”与“纵向”的数据库的定义并不完全相同，经过学习与摸索，所幸达到了我原本期望的效果。因此将过程与一些简单的思路记录下来。
且由于数据库管理的水平有限，本笔记中所定义的数据框的“横向”、“纵向”以及“键值对”格式，皆为了方便操作而来，不见得严谨。

"横向"结构

如上图所示，向量order1表示观察样本的序号，在该数据框中，针对每个样本应当有三个变量：实际住院天数、编码、诊断，其中编码与诊断至多观察了4次。
在我所期望的理想的横向数据框中，一条观察记录必然只对应一个样本，意味着向量order1的取值是不能够存在重复值的。针对同一个样本的多项观察应当被写作多条向量、并入数据框中。

“纵向”结构

如图，针对样本的观察、仅依照观察角度的不同记录为各个向量，一个向量代表着一个观察角度。比如图中，针对order1中给出的样本，一共只有实际住院天数、编码、诊断三个角度、因此除order1本身外，有且仅有这三个向量。而同一角度的多次观察、则体现为样本相同（order1取值相同）的多条记录。

“键值对”结构

如图，其与我所定义的“纵向”结构数据框最大的区别在于：针对同一个样本的其中两项观察角度——即编码与诊断，本身不再作为两个不同的向量，而是将“观察角度差异”这一概念本身作为一个向量varname1，其取值有二曰“编码、诊断”；而每个样本的每次观察到的编码与诊断的值、则统一压缩到另一个向量value1中。前者为“键”（key）、后者为“值”（value），是为“键值对”。

“纵向”转“横向”

由于工作需要，进行了数据框从“纵向”转“横向”的工作。有趣的是，“键值对”结构在这一过程中充当了“中间状态”。或许是我才疏学浅、未能找到更简便的方法。其过程大致分为两个部分，第一部分从纵向转为键值对、第二部分从键值对转为横向。
首先加载R包

library(tidyverse)

“纵向”转“键值对”

非常简单地用gather()函数
其基本的参数为：
gather(数据框, “键”的向量名, “值”的向量名, -顺势保留的向量1, -顺势保留的向量2…)

• 注意顺势保留的向量，书写向量名前方需要有一个“-”符号。
  
  以上方数据框为例，将其命名为data1后。

data2 <- gather(data1, varname1, value1, -order1, -实际住院天数)
View(data2)

得到如下所示“键值对”结构的数据框。可以看到“编码”与“诊断”不再是向量名、而变成了“键向量”的取值。

注意，此时的“键值对”结构数据框尚不能用来直接转换为“横向”结构，否则会报错

Error: Each row of output must be identified by a unique combination of keys.
Keys are shared for …

其原因在于：由于对部分样本存在着多条观察记录的情况，比如71号样本有4次观察记录，但每次记录中观察的“编码”与“诊断”都是命名为这两个取值，也就导致了程序实际上并不能区分71号的这4个“编码”之间的区别，因此在转为横向的时候无法判断其先后顺序、或是否有顺序。

“键值对”转“横向”

因此需要将该“键值对”格式的数据框转换为如上图所示，为“键向量”的取值赋予一定的顺序。该步骤的转换我是通过excel进行操作的，十分简便、此不赘述。
此时再通过spread()函数进行拆分，将之转换为“横向”结构
其基本参数为：
spread(数据框, 键向量名称, 值向量名称)

spread(data1, varname1, value1)

即可以得到如图所示的“横向”结构数据框

至于横向格式向纵向格式的转换，若将来有工作涉及到再行补录入本笔记。