Discussion :

[marou1991]

Bonjour,

j'ai une table R qui ressemble à celle-ci



Et je souhaite obtenir une table qui ressemble à celle-ci s'il vous plait.



Merci d'avance de votre aide

[faubry]

Tu as la fonction reshape en format direction="long", varying étant les numéros ou les noms des colonnes à éclater et sep, le séparaetur, c'est-à-dire que les noms des colonnes résultantes sont à gauche de ce séparateur. Voir son aide en ligne.

[marou1991]

ci-joint les données :

time.xlsx

J'ai testé ce bout de code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
 
#Retravaller l'ordre des variables 
 
time <- colnames(time[,c(1,2,4,6,8,10,12,3,5,7,9,11,13)])
 
# application 
 
reshape(data =   time  , direction = 'long' 
        , varying =  c('timeline.Customer_Id' , paste('Status' , 1:6 , sep = ''))
        , sep = "Date_IdStart1" 
)

Erreur :

Error in guess(varying) :
failed to guess time-varying variables from their names

[olivier.decourt]

Bonjour.
Je n'utilise pas le package {reshape}, je suis plutôt {reshape2} ou {tidyr} pour transposer.
Une solution avec {reshape2} et un peu de {dplyr}, sans doute largement optimisable...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
library(dplyr) # gestion de données
library(reshape2) # transposition (melt : de format "large" en "long")
 
time2 <- time %>% 
  melt(id.vars = "timeline.Customer_Id") %>% 
  mutate(numero = gsub("\\D","",variable)) 
 
time3 <- time2 %>% 
            filter(grepl("^Status",variable)) %>% 
            inner_join(time2 %>% filter(grepl("^Date_IdStart",variable)),
                       by=c("timeline.Customer_Id","numero")) %>% 
            inner_join(time2 %>% filter(grepl("^Date_IdEnd",variable)),
                       by=c("timeline.Customer_Id","numero")) %>% 
            select(-starts_with("variable"),
                   -numero) %>% 
            rename(status=value.x,
                   start=value.y,
                   end=value) %>% 
            filter(status != "NA") %>% 
            arrange(timeline.Customer_Id)

John Mount explique ici une solution qui passerait par son package {cdata} et une table qui pilote la transformation de transposition.

[mgdondon]

Bonjour,

• La fonction reshape() du package stats indiquée par faubry nécessite de renommer les variables (de même que la fonction fonction wideToLong() du package lsr proposée dans la suite du message).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
> df <- read.csv("time.csv")
> names(df) <- c("id",
+                "Status_1","Date_1","Status_2","Date_2",
+                "Status_3","Date_3","Status_4","Date_4",
+                "Status_5","Date_5","Status_6","Date_6")

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
> df
    id   Status_1   Date_1      Status_2   Date_2     Status_3   Date_3      Status_4   Date_4     Status_5   Date_5 Status_6 Date_6
1 CLI1 Abonnement 20190109          <NA>       NA         <NA>       NA          <NA>       NA         <NA>       NA       NA     NA
2 CLI2 Abonnement 20180310    Suspension 20180515 Reabonnement 20180813    Suspension 20180911 Reabonnement 20190418       NA     NA
3 CLI3 Abonnement 20190309          <NA>       NA         <NA>       NA          <NA>       NA         <NA>       NA       NA     NA
4 CLI4 Abonnement 20170916 Desabonnement 20181213 Reabonnement 20181213 Desabonnement 20190425         <NA>       NA       NA     NA
5 CLI5 Abonnement 20181215          <NA>       NA         <NA>       NA          <NA>       NA         <NA>       NA       NA     NA
6 CLI6 Abonnement 20180605          <NA>       NA         <NA>       NA          <NA>       NA         <NA>       NA       NA     NA

• Fonction reshape()

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
df_l <- reshape(data=df, 
                varying=c("Status_1","Date_1","Status_2","Date_2",
                          "Status_3","Date_3","Status_4","Date_4",
                          "Status_5","Date_5","Status_6","Date_6"), 
                direction='long', 
                sep = "_")
df_l <- df_l[complete.cases(df_l),]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
> df_l
         id time        Status     Date
CLI1.1 CLI1    1    Abonnement 20190109
CLI2.1 CLI2    1    Abonnement 20180310
CLI3.1 CLI3    1    Abonnement 20190309
CLI4.1 CLI4    1    Abonnement 20170916
CLI5.1 CLI5    1    Abonnement 20181215
CLI6.1 CLI6    1    Abonnement 20180605
CLI2.2 CLI2    2    Suspension 20180515
CLI4.2 CLI4    2 Desabonnement 20181213
CLI2.3 CLI2    3  Reabonnement 20180813
CLI4.3 CLI4    3  Reabonnement 20181213
CLI2.4 CLI2    4    Suspension 20180911
CLI4.4 CLI4    4 Desabonnement 20190425
CLI2.5 CLI2    5  Reabonnement 20190418

• Le package lsr propose une fonction wideToLong() qui intègre les paramètres qui vont bien.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
> df_l <- lsr::wideToLong(df,"rep")
> df_l <- df_l[complete.cases(df_l),]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
> df_l
     id rep        Status     Date
1  CLI1   1    Abonnement 20190109
2  CLI2   1    Abonnement 20180310
3  CLI3   1    Abonnement 20190309
4  CLI4   1    Abonnement 20170916
5  CLI5   1    Abonnement 20181215
6  CLI6   1    Abonnement 20180605
8  CLI2   2    Suspension 20180515
10 CLI4   2 Desabonnement 20181213
14 CLI2   3  Reabonnement 20180813
16 CLI4   3  Reabonnement 20181213
20 CLI2   4    Suspension 20180911
22 CLI4   4 Desabonnement 20190425
26 CLI2   5  Reabonnement 20190418

• Le package longitudinalData propose aussi une fonction wideToLong().

Cordialement,

[xavier-Pierre]

bonjour une solution avec le tidyverse et la fonction gather (à tester)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
## time df départ
time_c <- time %>% gather(status_tempo, STATUS, starts_with("statu")) %>% 
  gather(Date_tempo, Date,starts_with("Date")) %>% 
  select(- ends_with("tempo"))

cldt