Retraitement Table décroisement

Version imprimable

17/06/2019, 18h11
marou1991

2 pièce(s) jointe(s)

Retraitement Table décroisement

Bonjour,

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

Pièce jointe 484230

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

Pièce jointe 484233

Merci d'avance de votre aide :D
18/06/2019, 10h23
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.

1 pièce(s) jointe(s)

ci-joint les données :

Pièce jointe 484505

J'ai testé ce bout de code :
Code:

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

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:

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.

wideToLong

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:

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:

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:

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:

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:

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

Code:

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,

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

Code:

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

Bonjour,

Il n'y a pas besoin de renommer les variables avec reshape. On peut spécifier dans l'argument varying quelles sont les colonnes qui appartiennent à la même variable en indiquant leur position.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
tabl <- reshape(tab, varying = list(seq(2,12,2), seq(3,13,2)), idvar = colnames(tab)[1], direction = "long", v.names = c("Status", "Date"))
tabl <- tabl[complete.cases(tabl),-2]
tabl
       timeline.Customer_Id         Status     Date
CLI1.1                 CLI1     Abonnement 20190109
CLI2.1                 CLI2     Abonnement 20180310
CLI3.1                 CLI3     Abonnement 20190309
CLI4.1                 CLI4     Abonnement 20170916
CLI5.1                 CLI5     Abonnement 20181215
CLI6.1                 CLI6     Abonnement 20180605
CLI2.2                 CLI2     Suspension 20180515
CLI4.2                 CLI4 DÃ©sabonnement 20181213
CLI2.3                 CLI2  RÃ©abonnement 20180813
CLI4.3                 CLI4  RÃ©abonnement 20181213
CLI2.4                 CLI2     Suspension 20180911
CLI4.4                 CLI4 DÃ©sabonnement 20190425
CLI2.5                 CLI2  RÃ©abonnement 20190418

cdlt

19/06/2019, 09h45
marou1991

Bonjour,

Je vous remercie de vos réponses :D . Ca marche à merveille !

Juste histoire d'aller au bout de la piste du package {cdata} voici la solution proposée...

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
library(cdata)
numero <- 1:3 # nombre de colonnes Status*
controle <- data.frame(numero=as.character(numero),
                       status=paste0("Status",numero),
                       start=paste0("Date_IdStart",numero),
                       end=paste0("Date_IdEnd",numero),
                       stringsAsFactors = FALSE)
 
transfo <- rowrecs_to_blocks_spec(controle, 
                                  recordKeys = "timeline.Customer_Id")
 
res <- time %.>% transfo
res <- res[which(res$status != "NA"),]