Question

我有一个巨大的数据框，包含大约7.000行，每行有一个特定的ID号，可以多次出现（最多16次）。在一个简单的版本中它看起来像这样：

ID <- factor(c("a","a","a","a","b","c","c","d","d","d"))
var1 <-c(10,20,10,40,30,20,20,10,10,40)
var2 <-c(5,5,4,8,9,2,4,7,1,3)

df <- data.frame(ID,var1,var2)
df
    ID var1 var2
1   a   10    5
2   a   20    5
3   a   10    4
4   a   40    8
5   b   30    9
6   c   20    2
7   c   20    4
8   d   10    7
9   d   10    1
10  d   40    3

现在我希望以具有相同ID的属性写入一行的方式形成我的data.frame，这样我（在这种情况下）最多4列用于var1和4列用于var2，因为最常见的ID出现四次（ID a）。所有其他没有数据的空间应该填写。

生成的data.frame应如下所示：

    ID  var1_1 var1_2 var1_3 var1_4 var2_1 var2_2 var2_3 var2_4
1   a      10     20     10     40     5      5      4      8
2   b      30     NA     NA     NA     9      NA     NA     NA
3   c      20     20     NA     NA     2      4      NA     NA
4   d      10     10     40     NA     7      1      3      NA

我的想法是通过tapply

解决这个问题

df2 <- tapply (df$var1,df$ID,paste)

给出了以下输出：

$a
[1] "10" "20" "10" "40"
$b
[1] "30"
$c
[1] "20" "20"
$d
[1] "10" "10" "40"

如果我将其转换为数据框，它看起来像这样：

> df3 <-as.data.frame(df2)  
> df3     

             df3  
a 10, 20, 10, 40  
b             30  
c         20, 20  
d     10, 10, 40

问题是我现在只有一个变量而不是所需的四个变量。（或者实际上是八个，关于那些由var2产生的，我将像var1一样处理并在最后一步中通过合并组合）。

然后我尝试strsplit()，但这对我解决问题没有帮助，因为我没有得到不同的列，我也不知道如何添加NA值。

也许有一个简单的功能来重构data.frame？如果有人可以帮助我，我会很幸运。

Answer 1

添加辅助ID并使用reshape：

这是我们的第二个ID应该是什么样的（实际上，这通常被称为你的＆＃34;时间＆＃34;变量）

with(df, ave(rep(1, nrow(df)), ID, FUN = seq_along))
#  [1] 1 2 3 4 1 1 2 1 2 3

有了这个，基础R被低估的reshape轻松解决了这个问题：

df$ID2 <- with(df, ave(rep(1, nrow(df)), ID, FUN = seq_along))
reshape(df, direction = "wide", idvar="ID", timevar="ID2")
#   ID var1.1 var2.1 var1.2 var2.2 var1.3 var2.3 var1.4 var2.4
# 1  a     10      5     20      5     10      4     40      8
# 5  b     30      9     NA     NA     NA     NA     NA     NA
# 6  c     20      2     20      4     NA     NA     NA     NA
# 8  d     10      7     10      1     40      3     NA     NA

或者，使用＆＃34; reshape2＆＃34;：

library(reshape2)
df$ID2 <- with(df, ave(rep(1, nrow(df)), ID, FUN = seq_along))
dfL <- melt(df, id.vars=c("ID", "ID2"))
dcast(dfL, ID ~ variable + ID2, value.var="value")
#   ID var1_1 var1_2 var1_3 var1_4 var2_1 var2_2 var2_3 var2_4
# 1  a     10     20     10     40      5      5      4      8
# 2  b     30     NA     NA     NA      9     NA     NA     NA
# 3  c     20     20     NA     NA      2      4     NA     NA
# 4  d     10     10     40     NA      7      1      3     NA

Answer 2

ncolVar1 <- max(rowSums(table(ID, var1)))
ncolVar2 <- max(rowSums(table(ID, var2)))

fun <- function(x, maxcol) {ifelse(length(x)==maxcol, list(x), list(c(x, rep(NA, maxcol-length(x)))))}

cbind(do.call(rbind, tapply(var1, ID, fun, ncolVar1)), do.call(rbind, tapply(var2, ID, fun, ncolVar2)))

#    [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
# a   10   20   10   40    5    5    4    8
# b   30   NA   NA   NA    9   NA   NA   NA
# c   20   20   NA   NA    2    4   NA   NA
# d   10   10   40   NA    7    1    3   NA

R如何通过创建新列在一行中写入具有相同属性的可变数量的行

2 个答案: