2

Tengo un archivo excel de este estilo

introducir la descripción de la imagen aquí

structure(list(Territorio = c("Aguadulce", "Alanís", "Albaida del Aljarafe", 
"Alcalá de Guadaíra", "Alcalá del Río", "Alcolea del Río", 
"Algaba (La)", "Algámitas", "Almadén de la Plata"), `2007` = c(1, 
2, 3, 4, 5, 6, 7, 8, 9), `2008` = c(10, 11, 12, 13, 14, 15, 16, 
17, 18), `2009` = c(19, 20, 21, 22, 23, 24, 25, 26, 27), `2010` = c(28, 
29, 30, 31, 32, 33, 34, 35, 36), `2011` = c(37, 38, 39, 40, 41, 
42, 43, 44, 45), `2012` = c(46, 47, 48, 49, 50, 51, 52, 53, 54
)), row.names = c(NA, -9L), class = c("tbl_df", "tbl", "data.frame"
))-> datos

Lo cambio a formato largo

library(tidyr)

dat_nuevos = gather(datos, key = Año, value = Valores, -Territorio) 

pero ¿cómo lo hago cuando los datos son de este estilo?

introducir la descripción de la imagen aquí

structure(list(...1 = c("Territorio", "Aguadulce", "Alanís", 
"Albaida del Aljarafe", "Alcalá de Guadaíra", "Alcalá del Río", 
"Alcolea del Río", "Algaba (La)", "Algámitas", "Almadén de la Plata"
), Industria = c("2007", "1", "2", "3", "4", "5", "6", "7", "8", 
"9"), ...3 = c("2008", "10", "11", "12", "13", "14", "15", "16", 
"17", "18"), ...4 = c("2009", "19", "20", "21", "22", "23", "24", 
"25", "26", "27"), Energia = c("2007", "28", "29", "30", "31", 
"32", "33", "34", "35", "36"), ...6 = c("2008", "37", "38", "39", 
"40", "41", "42", "43", "44", "45"), ...7 = c("2009", "46", "47", 
"48", "49", "50", "51", "52", "53", "54")), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))
1
  • Una observación al margen de tu pregunta. La función gather() ha sido sustituida por pivot_longer(). Entiendo que es preferible usar la segunda opción: tidyr.tidyverse.org/reference/gather.html
    – Jose
    Commented el 17 mar. 2022 a las 12:02

1 respuesta 1

2

Asumo que tus datos tienen exactamente la misma estructura que en el ejemplo y que así salen de leer el Excel. Como suele ser en la limpieza de datos, las soluciones son muy ad hoc a los datos. Aunque admito que este caso de variables mal nombradas en Excel es endémico.

Esta es la solución que encontré. Es larga y enredada y habría que validar con mucho cuidado los datos resultantes porque podría fallar de muchas maneras.

Llamo a los datos problemáticos datos2

library(tidyverse)
library(janitor)
datos2 %>% 
  set_names(paste(names(.), .[1 , ])) %>% 
  slice(-1) %>%
  janitor::clean_names() %>% 
  pivot_longer(cols = - x1_territorio) %>%   
  separate(name, into = c("rubro", "año"), sep = "_") %>%  
  mutate(rubro = ifelse(str_detect(rubro, "x"), NA, rubro)) %>% 
  fill(rubro)

Obtengo el resultado:

# A tibble: 54 × 4
   x1_territorio rubro     año   value
   <chr>         <chr>     <chr> <chr>
 1 Aguadulce     industria 2007  1    
 2 Aguadulce     industria 2008  10   
 3 Aguadulce     industria 2009  19   
 4 Aguadulce     energia   2007  28   
 5 Aguadulce     energia   2008  37   
 6 Aguadulce     energia   2009  46   
 7 Alanís        industria 2007  2    
 8 Alanís        industria 2008  11   
 9 Alanís        industria 2009  20   
10 Alanís        energia   2007  29 

El código comentado:

datos2 %>% 
  set_names(paste(names(.), .[1 , ])) %>%  #Pego en los nombres el nombre y el año, que está en la primera fila.
  slice(-1) %>%                            #Elimino la primera fila, no tiene datos sino nombres de variables. Ya están en los nombres. 
  janitor::clean_names() %>%               #Limpio los nombres para sacar espacios y puntos
  pivot_longer(cols = - x1_territorio) %>%   #Paso a formato largo, se podría usar gather. 
  separate(name, into = c("rubro", "año"), sep = "_") %>%    #Separo los nombres que unen dos cosas (rubro y año) en dos columnas.
  mutate(rubro = ifelse(str_detect(rubro, "x"), NA, rubro)) %>%   #Paso a NA los rubros que no tienen información útil. Como todos tiene la con x uso una simple expresión regular. Si algún rubro válido tuviera una x habría que usar una regex más compleja.
  fill(rubro, .direction = "down")          #fill rellena NAs con el último dato válido. Explicito de arriba hacia abajo, aunque es así por defecto.  

Bonus

Con pivot_wider es fácil pasarlos de nuevo a formato ancho, con nombres de columna correctos.

datos3 %>% 
  pivot_wider(names_from = c(rubro, año), values_from = value)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.