Question

我正在尝试重新格式化数据集my.data以获取my.data2语句下面显示的输出。具体来说，我想将my.data的最后4列放在每record.id行一行，其中最后四行如果my.data，group=1的列将占据新数据矩阵的第2-5列，如果group=2，则会占据第6-9列。

我在下面编写了繁琐的代码，但是双for循环导致了一个我根本无法找到的错误。即使双循环工作，我怀疑有一种更有效的方法来完成同样的事情 - （也许reshape？）

感谢您帮助纠正双重for-loop或更高效的代码。

my.data <-  "record.id group s1 s2 s3 s4
    1  1      2      0      1      3
    1  2      0      0      0     12
    2  1      0      0      0      0
    3  1     10      0      0      0
    4  1      1      0      0      0
    4  2      0      0      0      0
    8  2      0      2      2      0
    9  1      0      0      0      0
    9  2      0      0      0      0"    

my.data2 <- read.table(textConnection(my.data), header=T)

# desired output
#
# 1     2      0      1      3      0      0      0     12
# 2     0      0      0      0      0      0      0      0
# 3    10      0      0      0      0      0      0      0
# 4     1      0      0      0      0      0      0      0
# 8     0      0      0      0      0      2      2      0
# 9     0      0      0      0      0      0      0      0

代码：

dat_sorted <- sort(unique(my.data2[,1]))
my.seq <- match(my.data2[,1],dat_sorted)

my.data3 <- cbind(my.seq, my.data2)

group.min <- tapply(my.data3$group, my.data3$my.seq, min)
group.max <- tapply(my.data3$group, my.data3$my.seq, max)

# my.min <- group.min[my.data3[,1]]
# my.max <- group.max[my.data3[,1]]

my.records <- matrix(0, nrow=length(unique(my.data3$record.id)), ncol=9)

x <- 1

for(i in 1:max(my.data3$my.seq)) {

   for(j in group.min[i]:group.max[i]) {

      if(my.data3[x,1] == i) my.records[i,1]   = i

      # the two lines below seem to be causing an error
      if((my.data3[x,1] == i) & (my.data3[x,3] == 1)) (my.records[i,2:5] = my.data3[x,4:7])
      if((my.data3[x,1] == i) & (my.data3[x,3] == 2)) (my.records[i,6:9] = my.data3[x,4:7])

      x <- x + 1

   }
}

Answer 1

你是对的，reshape在这里有帮助。

library(reshape2)
m <- melt(my.data2, id.var = c("record.id", "group"))
dcast(m, record.id ~ group + variable, fill = 0)
  record.id 1_s1 1_s2 1_s3 1_s4 2_s1 2_s2 2_s3 2_s4
1         1    2    0    1    3    0    0    0   12
2         2    0    0    0    0    0    0    0    0
3         3   10    0    0    0    0    0    0    0
4         4    1    0    0    0    0    0    0    0
5         8    0    0    0    0    0    2    2    0
6         9    0    0    0    0    0    0    0    0

比较：

dfTest <- data.frame(record.id = rep(1:10e5, each = 2), group = 1:2, 
s1 = sample(1:10, 10e5 * 2, replace = TRUE), 
s2 = sample(1:10, 10e5 * 2, replace = TRUE), 
s3 = sample(1:10, 10e5 * 2, replace = TRUE), 
s4 = sample(1:10, 10e5 * 2, replace = TRUE))


system.time({
...# Your code
})
Error in my.records[i, 1] = i : incorrect number of subscripts on matrix
Timing stopped at: 41.61 0.36 42.56 

system.time({m <- melt(dfTest, id.var = c("record.id", "group"))
              dcast(m, record.id ~ group + variable, fill = 0)})
   user  system elapsed 
  25.04    2.78   28.72

Answer 2

Julius的答案更好，但为了完整起见，我认为我设法让以下for循环工作：

dat_x <- (unique(my.data2[,1]))
my.seq <- match(my.data2[,1],dat_x)

my.data3 <- as.data.frame(cbind(my.seq, my.data2))

my.records <- matrix(0, nrow=length(unique(my.data3$record.id)), ncol=9)
my.records <- as.data.frame(my.records)

my.records[,1] = unique(my.data3[,2])

for(i in 1:9) {

      if(my.data3[i,3] == 1) (my.records[my.data3[i,1],c(2:5)] = my.data3[i,c(4:7)])
      if(my.data3[i,3] == 2) (my.records[my.data3[i,1],c(6:9)] = my.data3[i,c(4:7)])

}

R：按组合并矩阵行

2 个答案: