Question

我有以下数据框：

 df = data.frame(A_1 = c(1,2,3), A_2 = c(4,5,6), A_3 = c(7,8,9), B_1 = c(10, 11, 12), B_2 = c(13, 14, 15), B_3 = c(16, 17, 18))

 #> df
 #  A_1 A_2 A_3 B_1 B_2 B_3
 #1   1   4   7  10  13  16
 #2   2   5   8  11  14  17
 #3   3   6   9  12  15  18

列名包含字母和数字。字母指的是一个特定的变量（例如A是一个因子，B是一个因子），而列名中的数字指的是个体。换句话说，每个人都有A和B的值：A_1和B_1是 Individual 1 的列，A_2，B_2是 Individual 2 等的列。

我想获得以下结果：请注意，所有“A”列都合并为一个“A”列，“B”列等也是如此：

有没有简单的方法来实现这一目标？请注意，我的真实数据框包含20多个不同的字母列（A，B，C，...），每个字母都有三个子列（例如：A_1，A_2，A_3）。

谢谢！

Answer 1

这称为将数据从“宽”格式“重新整形”为“长”格式。在基数R中，一个工具是reshape ~~，但你首先需要一个“id”变量~~：

reshape(df, direction = "long", varying = names(df), sep = "_")
#     time A  B id
# 1.1    1 1 10  1
# 2.1    1 2 11  2
# 3.1    1 3 12  3
# 1.2    2 4 13  1
# 2.2    2 5 14  2
# 3.2    2 6 15  3
# 1.3    3 7 16  1
# 2.3    3 8 17  2
# 3.3    3 9 18  3

如果需要，您可以删除其他列。

为了好玩，这是另一种方法，使用“reshape2”包（从原始样本数据开始）：

library(reshape2)
dfL <- melt(as.matrix(df))
dfL <- cbind(dfL, colsplit(dfL$Var2, "_", c("Factor", "Individual")))
dcast(dfL, Individual + Var1 ~ Factor, value.var="value")
#   Individual Var1 A  B
# 1          1    1 1 10
# 2          1    2 2 11
# 3          1    3 3 12
# 4          2    1 4 13
# 5          2    2 5 14
# 6          2    3 6 15
# 7          3    1 7 16
# 8          3    2 8 17
# 9          3    3 9 18

如果你生活在最前沿，“data.table”版本1.8.11现在实现了“融化”和“dcast”。我还没玩过很多东西，但它也很简单。同样，正如我迄今为止提供的所有解决方案一样，需要“id”。

library(reshape2)
library(data.table)
packageVersion("data.table") ## Must be at least 1.8.11 to work
# [1] ‘1.8.11’

DT <- data.table(cbind(id = sequence(nrow(df)), df))
DTL <- melt(DT, id.vars="id")
DTL[, c("Fac", "Ind") := colsplit(variable, "_", c("Fac", "Ind"))]
dcast.data.table(DTL, Ind + id ~ Fac)
#    Ind id A  B
# 1:   1  1 1 10
# 2:   1  2 2 11
# 3:   1  3 3 12
# 4:   2  1 4 13
# 5:   2  2 5 14
# 6:   2  3 6 15
# 7:   3  1 7 16
# 8:   3  2 8 17
# 9:   3  3 9 18

更新

另一种选择是使用我的“splitstackshape”包中的merged.stack。如果您还使用as.data.table(df, keep.rownames = TRUE)，它可以很好地工作，这将在“data.table”方法中创建等效的data.table(cbind(id = sequence(nrow(df)), df))步骤。

library(splitstackshape)
merged.stack(as.data.table(df, keep.rownames = TRUE), 
             var.stubs = c("A", "B"), sep = "_")
#    rn .time_1 A  B
# 1:  1       1 1 10
# 2:  1       2 4 13
# 3:  1       3 7 16
# 4:  2       1 2 11
# 5:  2       2 5 14
# 6:  2       3 8 17
# 7:  3       1 3 12
# 8:  3       2 6 15
# 9:  3       3 9 18

为了公平/完整，这是“tidyr”+“dplyr”的方法。

library(tidyr)
library(dplyr)
df %>%
  gather(var, value, A_1:B_3) %>%
  separate(var, c("var", "time")) %>%
  group_by(var, time) %>%
  mutate(grp = sequence(n())) %>%
  ungroup() %>%
  spread(var, value)
# Source: local data frame [9 x 4]
# 
#   time grp A  B
# 1    1   1 1 10
# 2    1   2 2 11
# 3    1   3 3 12
# 4    2   1 4 13
# 5    2   2 5 14
# 6    2   3 6 15
# 7    3   1 7 16
# 8    3   2 8 17
# 9    3   3 9 18

Answer 2

我unlist data.frame的相关列。有很多方法可以将列分组为unqiue人（例如我真的很喜欢Ananda），但使用正则表达式是另一种方式...

#  Find unique persons
IDs <- unique( gsub( "([A-Z]).*" , "\\1" , names( df ) ) )
[1] "A" "B"

# Unlist columns relevant to that person
out <- sapply( IDs , function(x) unlist( df[ , grepl( x , names( df ) ) ] , use.names = FALSE ) )

#  Change from matrix to data.frame
data.frame( out )
#  A  B
#1 1 10
#2 2 11
#3 3 12
#4 4 13
#5 5 14
#6 6 15
#7 7 16
#8 8 17
#9 9 18

Answer 3

您可以获得所需形状的数据：

> m<-as.matrix(df)
> dim(m)<-c(nrow(m)*3,ncol(m)/3)
> m
      [,1] [,2]
 [1,]    1   10
 [2,]    2   11
 [3,]    3   12
 [4,]    4   13
 [5,]    5   14
 [6,]    6   15
 [7,]    7   16
 [8,]    8   17
 [9,]    9   18

相同的代码应适用于大型数据框，只要每个人有三列。然后你只需要指定列名。

在R中将数据帧从“宽”格式转换为“长”格式

3 个答案:

更新