unfill_vec.RdThe inverse of dplyr::fill.
Useful for formatting data frames for final output, where one often wants to avoid repeating values.
Often used in conjunction with in_row_headers().
unfill_vec(x)
| x | a vector of values |
|---|
move_to_first(iris, Species) %>% in_row_headers(Species) %>% dplyr::mutate(Species = unfill_vec(Species))#> Species Sepal.Length Sepal.Width Petal.Length Petal.Width #> 1 setosa NA NA NA NA #> 2 <NA> 5.1 3.5 1.4 0.2 #> 3 <NA> 4.9 3.0 1.4 0.2 #> 4 <NA> 4.7 3.2 1.3 0.2 #> 5 <NA> 4.6 3.1 1.5 0.2 #> 6 <NA> 5.0 3.6 1.4 0.2 #> 7 <NA> 5.4 3.9 1.7 0.4 #> 8 <NA> 4.6 3.4 1.4 0.3 #> 9 <NA> 5.0 3.4 1.5 0.2 #> 10 <NA> 4.4 2.9 1.4 0.2 #> 11 <NA> 4.9 3.1 1.5 0.1 #> 12 <NA> 5.4 3.7 1.5 0.2 #> 13 <NA> 4.8 3.4 1.6 0.2 #> 14 <NA> 4.8 3.0 1.4 0.1 #> 15 <NA> 4.3 3.0 1.1 0.1 #> 16 <NA> 5.8 4.0 1.2 0.2 #> 17 <NA> 5.7 4.4 1.5 0.4 #> 18 <NA> 5.4 3.9 1.3 0.4 #> 19 <NA> 5.1 3.5 1.4 0.3 #> 20 <NA> 5.7 3.8 1.7 0.3 #> 21 <NA> 5.1 3.8 1.5 0.3 #> 22 <NA> 5.4 3.4 1.7 0.2 #> 23 <NA> 5.1 3.7 1.5 0.4 #> 24 <NA> 4.6 3.6 1.0 0.2 #> 25 <NA> 5.1 3.3 1.7 0.5 #> 26 <NA> 4.8 3.4 1.9 0.2 #> 27 <NA> 5.0 3.0 1.6 0.2 #> 28 <NA> 5.0 3.4 1.6 0.4 #> 29 <NA> 5.2 3.5 1.5 0.2 #> 30 <NA> 5.2 3.4 1.4 0.2 #> 31 <NA> 4.7 3.2 1.6 0.2 #> 32 <NA> 4.8 3.1 1.6 0.2 #> 33 <NA> 5.4 3.4 1.5 0.4 #> 34 <NA> 5.2 4.1 1.5 0.1 #> 35 <NA> 5.5 4.2 1.4 0.2 #> 36 <NA> 4.9 3.1 1.5 0.2 #> 37 <NA> 5.0 3.2 1.2 0.2 #> 38 <NA> 5.5 3.5 1.3 0.2 #> 39 <NA> 4.9 3.6 1.4 0.1 #> 40 <NA> 4.4 3.0 1.3 0.2 #> 41 <NA> 5.1 3.4 1.5 0.2 #> 42 <NA> 5.0 3.5 1.3 0.3 #> 43 <NA> 4.5 2.3 1.3 0.3 #> 44 <NA> 4.4 3.2 1.3 0.2 #> 45 <NA> 5.0 3.5 1.6 0.6 #> 46 <NA> 5.1 3.8 1.9 0.4 #> 47 <NA> 4.8 3.0 1.4 0.3 #> 48 <NA> 5.1 3.8 1.6 0.2 #> 49 <NA> 4.6 3.2 1.4 0.2 #> 50 <NA> 5.3 3.7 1.5 0.2 #> 51 <NA> 5.0 3.3 1.4 0.2 #> 52 versicolor NA NA NA NA #> 53 <NA> 7.0 3.2 4.7 1.4 #> 54 <NA> 6.4 3.2 4.5 1.5 #> 55 <NA> 6.9 3.1 4.9 1.5 #> 56 <NA> 5.5 2.3 4.0 1.3 #> 57 <NA> 6.5 2.8 4.6 1.5 #> 58 <NA> 5.7 2.8 4.5 1.3 #> 59 <NA> 6.3 3.3 4.7 1.6 #> 60 <NA> 4.9 2.4 3.3 1.0 #> 61 <NA> 6.6 2.9 4.6 1.3 #> 62 <NA> 5.2 2.7 3.9 1.4 #> 63 <NA> 5.0 2.0 3.5 1.0 #> 64 <NA> 5.9 3.0 4.2 1.5 #> 65 <NA> 6.0 2.2 4.0 1.0 #> 66 <NA> 6.1 2.9 4.7 1.4 #> 67 <NA> 5.6 2.9 3.6 1.3 #> 68 <NA> 6.7 3.1 4.4 1.4 #> 69 <NA> 5.6 3.0 4.5 1.5 #> 70 <NA> 5.8 2.7 4.1 1.0 #> 71 <NA> 6.2 2.2 4.5 1.5 #> 72 <NA> 5.6 2.5 3.9 1.1 #> 73 <NA> 5.9 3.2 4.8 1.8 #> 74 <NA> 6.1 2.8 4.0 1.3 #> 75 <NA> 6.3 2.5 4.9 1.5 #> 76 <NA> 6.1 2.8 4.7 1.2 #> 77 <NA> 6.4 2.9 4.3 1.3 #> 78 <NA> 6.6 3.0 4.4 1.4 #> 79 <NA> 6.8 2.8 4.8 1.4 #> 80 <NA> 6.7 3.0 5.0 1.7 #> 81 <NA> 6.0 2.9 4.5 1.5 #> 82 <NA> 5.7 2.6 3.5 1.0 #> 83 <NA> 5.5 2.4 3.8 1.1 #> 84 <NA> 5.5 2.4 3.7 1.0 #> 85 <NA> 5.8 2.7 3.9 1.2 #> 86 <NA> 6.0 2.7 5.1 1.6 #> 87 <NA> 5.4 3.0 4.5 1.5 #> 88 <NA> 6.0 3.4 4.5 1.6 #> 89 <NA> 6.7 3.1 4.7 1.5 #> 90 <NA> 6.3 2.3 4.4 1.3 #> 91 <NA> 5.6 3.0 4.1 1.3 #> 92 <NA> 5.5 2.5 4.0 1.3 #> 93 <NA> 5.5 2.6 4.4 1.2 #> 94 <NA> 6.1 3.0 4.6 1.4 #> 95 <NA> 5.8 2.6 4.0 1.2 #> 96 <NA> 5.0 2.3 3.3 1.0 #> 97 <NA> 5.6 2.7 4.2 1.3 #> 98 <NA> 5.7 3.0 4.2 1.2 #> 99 <NA> 5.7 2.9 4.2 1.3 #> 100 <NA> 6.2 2.9 4.3 1.3 #> 101 <NA> 5.1 2.5 3.0 1.1 #> 102 <NA> 5.7 2.8 4.1 1.3 #> 103 virginica NA NA NA NA #> 104 <NA> 6.3 3.3 6.0 2.5 #> 105 <NA> 5.8 2.7 5.1 1.9 #> 106 <NA> 7.1 3.0 5.9 2.1 #> 107 <NA> 6.3 2.9 5.6 1.8 #> 108 <NA> 6.5 3.0 5.8 2.2 #> 109 <NA> 7.6 3.0 6.6 2.1 #> 110 <NA> 4.9 2.5 4.5 1.7 #> 111 <NA> 7.3 2.9 6.3 1.8 #> 112 <NA> 6.7 2.5 5.8 1.8 #> 113 <NA> 7.2 3.6 6.1 2.5 #> 114 <NA> 6.5 3.2 5.1 2.0 #> 115 <NA> 6.4 2.7 5.3 1.9 #> 116 <NA> 6.8 3.0 5.5 2.1 #> 117 <NA> 5.7 2.5 5.0 2.0 #> 118 <NA> 5.8 2.8 5.1 2.4 #> 119 <NA> 6.4 3.2 5.3 2.3 #> 120 <NA> 6.5 3.0 5.5 1.8 #> 121 <NA> 7.7 3.8 6.7 2.2 #> 122 <NA> 7.7 2.6 6.9 2.3 #> 123 <NA> 6.0 2.2 5.0 1.5 #> 124 <NA> 6.9 3.2 5.7 2.3 #> 125 <NA> 5.6 2.8 4.9 2.0 #> 126 <NA> 7.7 2.8 6.7 2.0 #> 127 <NA> 6.3 2.7 4.9 1.8 #> 128 <NA> 6.7 3.3 5.7 2.1 #> 129 <NA> 7.2 3.2 6.0 1.8 #> 130 <NA> 6.2 2.8 4.8 1.8 #> 131 <NA> 6.1 3.0 4.9 1.8 #> 132 <NA> 6.4 2.8 5.6 2.1 #> 133 <NA> 7.2 3.0 5.8 1.6 #> 134 <NA> 7.4 2.8 6.1 1.9 #> 135 <NA> 7.9 3.8 6.4 2.0 #> 136 <NA> 6.4 2.8 5.6 2.2 #> 137 <NA> 6.3 2.8 5.1 1.5 #> 138 <NA> 6.1 2.6 5.6 1.4 #> 139 <NA> 7.7 3.0 6.1 2.3 #> 140 <NA> 6.3 3.4 5.6 2.4 #> 141 <NA> 6.4 3.1 5.5 1.8 #> 142 <NA> 6.0 3.0 4.8 1.8 #> 143 <NA> 6.9 3.1 5.4 2.1 #> 144 <NA> 6.7 3.1 5.6 2.4 #> 145 <NA> 6.9 3.1 5.1 2.3 #> 146 <NA> 5.8 2.7 5.1 1.9 #> 147 <NA> 6.8 3.2 5.9 2.3 #> 148 <NA> 6.7 3.3 5.7 2.5 #> 149 <NA> 6.7 3.0 5.2 2.3 #> 150 <NA> 6.3 2.5 5.0 1.9 #> 151 <NA> 6.5 3.0 5.2 2.0 #> 152 <NA> 6.2 3.4 5.4 2.3 #> 153 <NA> 5.9 3.0 5.1 1.8