Question

我有以下数据框，我想创建一个类似下面的数据框。

     ID1 ID2 ID3 ID4
x1_X 0   10  4   7
x2_X 2   12  5   8
x3_X 3   1   3   5
y1_Y 4   13  6   4
y2_Y 5   14  1   9
y3_Y 2   11  1   5
y4_Y 1   1   2   3
z1_Z 1   0   0   5
z2_Z 3   6   7   7

新数据框

    ID1 ID2 ID3 ID4
X   x3 x2 x2 x2
Y   y2 y2 y1 y2
Z   z2 z2 z2 z2

基本上这个想法如下：对于每个ID，我想找到哪个rownames（x1_X，x2_X，x3_X）具有最大极值并将其分配给名称X，因为在rownames中我有子组。

我的数据框很大：1700列和100000行。

Answer 1

你的桌子：

df <- read.table (text= "     ID1 ID2 ID3 ID4
x1_X 0   10  4   7
x2_X 2   12  5   8
x3_X 3   1   3   5
y1_Y 4   13  6   4
y2_Y 5   14  1   9
y3_Y 2   11  1   5
y4_Y 1   1   2   3
z1_Z 1   0   0   5
z2_Z 3   6   7   7", header = T)

拆分rownames以获取群组：

library(plyr)
df_names <- ldply(strsplit (rownames(df), "_"))
colnames(df_names) <- c ("group1", "group2")

df2 <- cbind (df, df_names)

创建新表：

df_new <- data.frame (matrix(nrow = length(unique (df2$group2)), 
                        ncol = ncol(df)))
colnames(df_new) <- colnames(df)
rownames (df_new) <- unique (df_names[["group2"]])

使用循环填充新表：

for (i in 1:ncol (df_new)) {

  for (k in 1:nrow (df_new)) {

    col0 <- colnames (df_new)[i]
    row0 <- rownames (df_new)[k]

    sub0 <- df2 [df2$group2 == row0, c(col0, "group1")]
    df_new [k,i] <- sub0 [sub0[1]==max (sub0[1]), 2]
  }

}

Answer 2

首先，我们需要拆分组和子组标签：

grp <- strsplit(row.names(df), "_")

如果性能问题，我认为data.table是我们的最佳选择：

library(data.table)
df$group <- sapply(grp, "[", 2)
subgroup <- sapply(grp, "[", 1)
dt <- data.table(df)

我们现在可以访问单行：

result <- dt[,lapply(.SD, function(x)  subgroup[.I[which.max(x)]]), by=group]

将data.table拆分为下划线（by=group）后面的字符，然后，对于矩形子集（.SD）的每一列，我们得到子矩形中的索引（其中.max），然后将其映射回整个data.table（.I），然后提取相关的子组（子组）。

data.table包非常有效，但如果您要多次查询，可能需要查看对data.table的索引。

根据行中的最极值创建新数据框

2 个答案: