Question

我有一个大型数据框，其中多列代表不同个体的不同变量。列的名称始终以数字开头（例如1:18）。我想将df分组并为每个人创建separete dfs。这是一个例子：

x <- as.data.frame(matrix(nrow=10,ncol=18))
colnames(x) <- paste(1:18, 'col', sep="")

我的真实df的列名是个人ID，变量名和度量数的组合（我对每个变量采取了3个度量）。因此，例如，我有个人1的度量b（正文），然后在df我将有3列名为：1b1,1b2,1b3。最后我有10个不同的区域（身体，头部，尾部，尾巴，背部，侧腹，腹部，喉部，前臂，腿部）。因此，对于每个人，我有30列（10个区域x每个区域3个度量）。所以我有多个变量以不同的数字开头，我想根据它们的唯一数字进行子集化。我尝试使用grep：

partialName <- 1
df2<- x[,grep(partialName, colnames(x))]
colnames(x)
[1] "1col" "2col" "3col" "4col" "5col" "6col" "7col" "8col" "9col" "10col" 
"11col" "12col" "13col" "14col" "15col" "16col" "17col" "18col"

我的问题在这里你可以看到它并没有将个体分开，因为1和10在子集中。换句话说，这会选择以1开头的所有人。最终我想要做的就是遍布所有人（1:18），为每个人创建新的dfs。

Answer 1

我认为将数据保存在一个data.frame中是最佳选择。要么是这样，要么把它放到data.frame的列表中。这样可以更轻松地轻松提取每个人的摘要统计信息。

首先创建一些示例数据：

df = as.data.frame(matrix(runif(50 * 100), 100, 50), stringsAsFactors = FALSE)
names_variables = c('spam', 'ham', 'shrub')
individuals = 1:100
column_names = paste(sample(individuals, 50), 
                     sample(names_variables, 50, TRUE), 
                     sep = '')
colnames(df) = column_names

我首先要做的是使用melt将数据从宽格式转换为长格式。这基本上将所有列堆叠在一个大向量中，并添加一个额外的列，告诉它来自哪个列：

library(reshape2)
df_melt = melt(df)
head(df_melt)
  variable      value
1    85ham 0.83619111
2    85ham 0.08503596
3    85ham 0.54599402
4    85ham 0.42579376
5    85ham 0.68702319
6    85ham 0.88642715

然后我们需要将ID号与变量分开。这里的假设是变量的数字部分是单个ID，文本是变量名称：

library(dplyr)
df_melt = mutate(df_melt, individual_ID = gsub('[A-Za-z]', '', variable),
                          var_name = gsub('[0-9]', '', variable))

基本上删除不需要的部分字符串。现在我们可以做很多好事：

mean_per_indivdual_per_var = summarise(group_by(df_melt, individual_ID, var_name), 
                                       mean(value))
head(mean_per_indivdual_per_var)
  individual_ID var_name mean(value)
1            63     spam   0.4840511
2            46      ham   0.4979884
3            20    shrub   0.5094550
4            90      ham   0.5550148
5            30    shrub   0.4233039
6            21      ham   0.4764298

Answer 2

您的colnames似乎是data.frame的标准版本，因此要获得第1列，您可以执行此操作：

df2 <- df[,1] #Where 1 can be changed to the number of column you wish.

无需按部分名称进行子集化。虽然不建议您创建一个循环来执行此操作：

for (i in ncol(x)){
  assing(paste("df",i), x[,i]) #I use paste to get a different name for each column
}

虽然@paulhiemstra解决方案避免了循环。

因此，使用新信息，您可以按照自己的意愿使用grep，但具体说明您期望的匹配数量：

df2<- x[,grep("1{30}", colnames(x))]

基于列名的第一个字母的子集数据框

2 个答案: