Question

假设我有data.table这些列

nodeID   
hour1aaa   
hour1bbb   
hour1ccc   
hour2aaa   
hour2bbb   
hour2ccc   
...   
hour24aaa   
hour24bbb   
hour24ccc

共72列。我们称之为rawtable

我想重新塑造它，所以我有

nodeID
hour
aaa
bbb
ccc

总共只有这5列其中小时列将包含原始72应该是的小时。我们称之为newshape

我现在这样做的方法是使用rbindlist和24个项目，其中每个项目都是较大data.table的正确子集。像这样（除了我在我的例子中大部分时间都没有留下）

newshape<-rbindlist(list(
 rawtable[,list(nodeID, Hour=1, aaa=hour1aaa, bbb=hour1bbb, ccc=hour1ccc)], 
 rawtable[,list(nodeID, Hour=2, aaa=hour2aaa, bbb=hour2bbb, ccc=hour2ccc)], 
 rawtable[,list(nodeID, Hour=24, aaa=hour24aaa, bbb=hour24bbb, ccc=hour24ccc)]))

以下是一些与

一起使用的示例数据

rawtable<-data.table(nodeID=c(1,2),hour1aaa=c(12.4,32),hour1bbb=c(61.1,65.33),hour1ccc=c(-4.2,54),hour2aaa=c(12.2,1.2),hour2bbb=c(12.2,5.7),hour2ccc=c(5.6,101.9),hour24aaa=c(45.2,8.5),hour24bbb=c(23,7.9),hour24ccc=c(98,32.3))

使用我的rbindlist方法可以获得理想的结果，但是，就像我使用R做的大多数事情一样，可能有更好的方法。通过更好，我的意思是更高的内存效率，更快，和/或使用更少的代码行。有没有人有更好的方法来实现这个目标？

Answer 1

如果你在预期的标准约定中得到你的名字，这是一个经典的reshape问题，尽管我不确定这是否真正利用了data.table结构的效率：

reshape(
  setNames(rawtable, gsub("(\\D+)(\\d+)(\\D+)", "\\3.\\2", names(rawtable))),
  idvar="nodeID", direction="long", varying=-1
)

结果：

   nodeID hour  aaa   bbb   ccc
1:      1    1 12.4 61.10  -4.2
2:      2    1 32.0 65.33  54.0
3:      1    2 12.2 12.20   5.6
4:      2    2  1.2  5.70 101.9
5:      1   24 45.2 23.00  98.0
6:      2   24  8.5  7.90  32.3

@Arun在此处回答：https://stackoverflow.com/a/15510828/496803如果您可以根据当前数据进行调整，也可能会有用。

Answer 2

一种选择是使用我的包“splitstackshape”中的merged.stack。此函数，stack列的列，然后将输出合并在一起。由于函数如何创建“时间”变量，您可以指定要从列名中删除的内容。在这种情况下，我们要删除“小时”，“aaa”，“bbb”和“ccc”，并且只剩下剩余的数字。

library(splitstackshape)
## Make sure you're using at least 1.2.0
packageVersion("splitstackshape")
# [1] ‘1.2.0’
merged.stack(rawtable, id.vars="nodeID", 
             var.stubs=c("aaa", "bbb", "ccc"), 
             sep="hour|aaa|bbb|ccc")
#    nodeID .time_1  aaa   bbb   ccc
# 1:      1       1 12.4 61.10  -4.2
# 2:      1       2 12.2 12.20   5.6
# 3:      1      24 45.2 23.00  98.0
# 4:      2       1 32.0 65.33  54.0
# 5:      2       2  1.2  5.70 101.9
# 6:      2      24  8.5  7.90  32.3

R data.table一次重新整理列块

2 个答案: