R:重构经理-员工数据

Question

我有一个包含员工id和直接行经理id的员工信息列表。我想重新排列数据，这样它就会列出每个员工的所有级别的经理。

我想要创建一个循环来重复查找行管理器。

下面是创建示例数据集的代码。

employee_id = seq(1:10)
manager_id =c(1,1,2,3,4,2,3,1,4,5)

hr=data.frame(employee_id,manager_id)

下面是我所期望的:以employee_id 4为例

employee_id managerL1 managerL2 managerL3
4           3         2         1

我还应该指出，这是一个简化的例子。在我正在处理的真实数据中，经理和员工ids不是顺序的。它们是一些带有前缀的随机数。id本身没有任何关于管理级别的信息。该级别完全由数据驱动。

Answer 1

这似乎需要一个迭代的解决方案。

从我们员工的1级经理开始。作为每个员工的经理的员工的行索引是

i <- 1
idx = match(hr$manager_id, hr$employee_id)

经理的经理是hr$manager_id[idx]，我们可以迭代地使用相同的match()方法。记录并重复，直到只有一名员工担任经理

repeat {
    idx = match(hr$manager_id[idx], hr$employee_id)
    hr[[paste0("manager_", i)]] = hr$employee_id[idx]
    if (length(unique(idx)) == 1)
        break
    i <- i + 1
}

一个变体可能允许一个或多个高层管理人员使用NA作为管理器，并适当地停止。

hr$employee_id[1] = NA  # the boss; there could be several top-level managers...
i <- 1
idx = match(hr$manager_id, hr$employee_id)
repeat {
    idx = match(hr$manager_id[idx], hr$employee_id)
    hr[[paste0("manager_", i)]] = hr$employee_id[idx]
    if (all(is.na(idx)))
        break
    i <- i + 1
}

Answer 2

下面是tidyverse的一个选项

library(tidyverse)
hr %>%  
   uncount(manager_id, .remove = FALSE)  %>% 
   group_by(employee_id) %>% 
   mutate(new_id = row_number(), nm1 = str_c('manager_', new_id)) %>% 
   spread(nm1,new_id)
# A tibble: 10 x 7
# Groups:   employee_id [10]
#   employee_id manager_id manager_1 manager_2 manager_3 manager_4 manager_5
#         <int>      <dbl>     <int>     <int>     <int>     <int>     <int>
# 1           1          1         1        NA        NA        NA        NA
# 2           2          1         1        NA        NA        NA        NA
# 3           3          2         1         2        NA        NA        NA
# 4           4          3         1         2         3        NA        NA
# 5           5          4         1         2         3         4        NA
# 6           6          2         1         2        NA        NA        NA
# 7           7          3         1         2         3        NA        NA
# 8           8          1         1        NA        NA        NA        NA
# 9           9          4         1         2         3         4        NA
#10          10          5         1         2         3         4         5

或者使用map和spread

hr %>% 
   mutate(new_id = map(manager_id, seq)) %>% 
   unnest %>%
   mutate(nm1 = str_c('manager_', new_id)) %>% 
   spread(nm1, new_id)