異なる列のデータをまとめて整理する方法

Question

私のタイトルが私の質問を正確に捉えていないのではないかと心配です。 可能な限り私の問題を説明しましょう。これは私のデータの一部です。

pdpass begyr1 gvkey1 endyr1 begyr2 gvkey2 endyr2 begyr3 gvkey3 endyr3 begyr4 gvkey4 endyr4 begyr5 gvkey5 endyr5 
-16348 1991 26005 1993 1994 8852 1996 1997 3708 2005  NA  NA  NA  NA  NA  NA 
-16179 2006 174876 2006  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA 
-16161 1993 30964 2005  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA 
-15631 1996 111491 2006  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA 
-14668 1988 15854 2003  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA  NA 
-13980 1986 13218 1995 1996 9921 2005  NA  NA  NA  NA  NA  NA  NA  NA  NA 

広範なデータなので、dputの値も入力します。

#dput 

structure(list(pdpass = c(-16348L, -16179L, -16161L, -15631L, -14668L, -13980L), 
begyr1 = c(1991L, 2006L, 1993L, 1996L, 1988L, 1986L), gvkey1 = c(26005L, 174876L, 30964L, 111491L, 15854L, 13218L), endyr1 = c(1993L, 2006L, 2005L, 2006L, 2003L, 1995L), 
begyr2 = c(1994L, NA, NA, NA, NA, 1996L), gvkey2 = c(8852L, NA, NA, NA, NA, 9921L), endyr2 = c(1996L, NA, NA, NA, NA, 2005L), 
begyr3 = c(1997L, NA, NA, NA, NA, NA), gvkey3 = c(3708L, NA, NA, NA, NA, NA), endyr3 = c(2005L, NA, NA, NA, NA, NA), 
begyr4 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_), gvkey4 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_), endyr4 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_), 
begyr5 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_), gvkey5 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_), endyr5 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_)), row.names = c(NA, -6L), class = "data.frame", .Names = c("pdpass", "begyr1", "gvkey1", "endyr1", "begyr2", "gvkey2", "endyr2", "begyr3", "gvkey3", "endyr3", "begyr4", "gvkey4", "endyr4", "begyr5", "gvkey5", "endyr5")) 

私はそれを長いフォーマットに整理したいと思います。

pdpass列はID変数です。私はpdpass値ごとにすべてbegyrs,endyears、gvkeyの値を集めたいと思います。 しかし、元のデータからわかるように、pdpassにはgvkey, endyear, begyearsという値が1つしかありません。 （これらはgvkey2, endyear2, begyear2, gvkey3 ...と表示されます）。

基本的に、私はこれが私の希望出力され、簡単に入れgvkey-endyear-begyear値は各pdpass

に同じ番号で終了した場合にのみ行をしたいと思い：

pdpass gvkeyN gvkey begyearN begyear endyearN endyear 
1 -16348 gvkey1 26005 begyear1 1991 endyear1 1993 
2 -16348 gvkey2 8852 begyear2 1994 endyear2 1996 
3 -16348 gvkey3 3708 begyear3 1997 endyear3 2005 
4 -16179 gvkey1 174876 begyear1 2006 endyear1 2006 
5 -16161 gvkey1 30964 begyear1 1993 endyear1 2005 
6 -15631 gvkey1 111491 begyear1 1996 endyear1 2006 
7 -14668 gvkey1 15854 begyear1 1988 endyear1 2003 
8 -13980 gvkey1 13218 begyear1 1986 endyear1 1995 
9 -13980 gvkey2 13218 begyear1 1996 endyear2 2005 
10 -13956 gvkey1 8674 begyear1 1968 endyear2 1987  

# code 
desired<-data.frame(pdpass=c(rep(-16348, 3), -16179, -16161, -15631, -14668, rep(-13980, 2), -13956), 
gvkeyN=c("gvkey1", "gvkey2", "gvkey3", rep("gvkey1", 5), "gvkey2", "gvkey1"), 
gvkey=c(26005, 8852, 3708, 174876, 30964, 111491, 15854, 13218, 13218, 8674), 
begyearN=c("begyear1", "begyear2", "begyear3", rep("begyear1", 5), "begyear1", "begyear1"), 
begyear=c(1991, 1994, 1997, 2006, 1993, 1996, 1988, 1986, 1996, 1968), 
endyearN=c("endyear1", "endyear2", endyear3", rep("endyear1", 5), "endyear2", "endyear2"), 
endyear=c(1993, 1996, 2005, 2006, 2005, 2006, 2003, 1995, 2005, 1987))` 

は、これは私がこれまで見てわかるように、私は不要な行を取得

require(tidyr) 
d1<-gather(NBER, gvkeyN, gvkey, -pdpass, -endyr1, -begyr1, -endyr2, -begyr2, -endyr3, -begyr3, -endyr4, -begyr4, -endyr5, -begyr5, na.rm=TRUE) 
d2<-gather(d1, begyrN, begyear, -gvkeyN, -gvkey, -pdpass, -endyr1, -endyr2, -endyr3, -endyr4, -endyr5, na.rm=TRUE) 
d3<-gather(d2, endyrN, endyear, -gvkeyN, -gvkey, -pdpass, -begyrN, -begyear, na.rm=TRUE) 
d4<-arrange(d3, pdpass) 
head(d4, 10) 

pdpass gvkeyN gvkey begyrN begyear endyrN endyear 
1 -16348 gvkey1 26005 begyr1 1991 endyr1 1993 
2 -16348 gvkey2 8852 begyr1 1991 endyr1 1993 
3 -16348 gvkey3 3708 begyr1 1991 endyr1 1993 
4 -16348 gvkey1 26005 begyr2 1994 endyr1 1993 
5 -16348 gvkey2 8852 begyr2 1994 endyr1 1993 
6 -16348 gvkey3 3708 begyr2 1994 endyr1 1993 
7 -16348 gvkey1 26005 begyr3 1997 endyr1 1993 
8 -16348 gvkey2 8852 begyr3 1997 endyr1 1993 
9 -16348 gvkey3 3708 begyr3 1997 endyr1 1993 
10 -16348 gvkey1 26005 begyr1 1991 endyr2 1996 

試してみたものです。私が必要とするのは、gvkey, endyear, and begyearの最後の数字が正確に一致する行だけです。 （例えば、gvkey 1 begyr 1 endyr 1; gvkey 2 begyr 2 endyr 2; gvkey3 begyr3 endyr3など）。しかし、私は1,2と3の組み合わせを得る。したがって、上記の行2：9はすべて不要である。

おそらく、私はどうにかして収集後に不要な行をすべて手動で削除することができました。しかし、私はそれがgather機能のより良い利用をするために幾分かもしれないと思った。私は同様の質問を見たが、この問題の解決策を見つけることができなかった。 誰も私にこれらの解決策を教えてもらえますか？

Answer 1

我々はdata.table

library(data.table) 
melt(setDT(df1), measure = patterns("^gvkey", "^begyr", "^endyr"), 
    na.rm = TRUE, value.name = c("gvkey", "begyear", "endyear"))