Question

我经常意识到3D图不是呈现一组数据的最有效方式，但我之前为特定数据集制作的2D图似乎表明3D图有助于打破信息进入更独特的聚类分析。话虽这么说，我在R中从未这样做过，而且在使用plot3d（）制作3D散点图之前，我在重构数据框时遇到了麻烦。

目前，我的数据框有2列和几千行信息。第一列是标识符，A，B，C ......第二列是该标识符的一个测量特征。

实施例

ID Area 
A   1.2
A   3.0
A   2.7
B   1.4
B   2.5
C   4.3
C   2.1
C   1.7

我将绘制Y轴上的区域。使用像table（）这样的函数，我可以得到A，B或C出现的次数：（A = 3，B = 2，C = 3），这个值将成为所有ID的x坐标结果。但我想要做的是将这些信息放入第三列，为给定的x坐标分配唯一的z。换句话说，Z应表示给定X已显示的次数，并且对于特定X的每个新实例将增加1.最终，原因是特定于所有对象的区域值（y） ID在唯一的x，z坐标上彼此堆叠。这是我被困的地方。基本上，我希望给定上述输入的最终数据帧输出如下所示：

ID(x) Area(y)  Z
    3    1.2   1
    3    3.0   1
    3    2.7   1
    2    1.4   1
    2    2.5   1
    3    4.3   2
    3    2.1   2
    3    1.7   2

Answer 1

我们可以通过两种方式实现这一目标。

<强> 1。基础R - 聚合/ ave

我们可以使用aggregate来获取ID＆＃39;中每个元素的长度（＆＃39; IDx＆＃39;）列，通过创建＆＃39; Z＆＃39;来转换输出数据集（＆＃39; dfN＆＃39;）。基于＆＃39; IDx＆＃39;中的重复元素的列和＆＃39;合并＆＃39; ＆＃39; dfN＆＃39;使用原始数据集＆＃39; df1＆＃39;

dfN <- aggregate(cbind(IDx=seq_along(ID))~ID, df1, FUN=length)
dfN$Z <- with(dfN, ave(IDx, IDx, FUN=function(x) cumsum(duplicated(x))+1L))
 merge(df1, dfN, by='ID')[-1]
 #  Area IDx Z
 #1  1.2   3 1
 #2  3.0   3 1
 #3  2.7   3 1
 #4  1.4   2 1
 #5  2.5   2 1
 #6  4.3   3 2
 #7  2.1   3 2
 #8  1.7   3 2

<强> 2。基数R - ave / rle

我们可以创建＆＃39; IDx＆＃39;使用ave的列，然后使用`rle / inverse.rle＆＃39;创造＆＃39; Z＆＃39;柱

 df1$IDx <- with(df1, ave(seq_along(ID), ID, FUN=length))
 v1 <- with(df1, paste0(ID, IDx))
 df1$Z <- inverse.rle(within.list(rle(v1), values <-ave(lengths, 
             lengths, FUN=function(x) cumsum(duplicated(x))+1L)))
 df1
 #  ID Area IDx Z
 #1  A  1.2   3 1
 #2  A  3.0   3 1
 #3  A  2.7   3 1
 #4  B  1.4   2 1
 #5  B  2.5   2 1
 #6  C  4.3   3 2
 #7  C  2.1   3 2
 #8  C  1.7   3 2

第3。 data.table

转换＆＃39; data.frame＆＃39;到＆＃39; data.table＆＃39; （setDT），创建＆＃39; IDx＆＃39;即nrows（.N），按ID＆＃39;分组。根据IDx＆＃39;中的重复元素，我们可以创建＆＃39; Z＆＃39;柱。将密钥设置为＆＃39; ID＆＃39; （setkey），加入＆＃39; df1＆＃39;，并将不必要的列指定为NULL（ID:= NULL）

library(data.table) setkey(setDT(df1)[, list(IDx=.N), by = ID][, IDx1:= IDx][, list(ID,Z=cumsum(duplicated(IDx1))+1L) , IDx], ID)[df1][, ID := NULL][] # IDx Z Area #1: 3 1 1.2 #2: 3 1 3.0 #3: 3 1 2.7 #4: 2 1 1.4 #5: 2 1 2.5 #6: 3 2 4.3 #7: 3 2 2.1 #8: 3 2 1.7

<强> 4。 dplyr

这个想法与上面的相似。我们使用left_join
代替＆＃39;合并＆＃39;
library(dplyr) left_join(df1, df1 %>% group_by(ID) %>% summarise(IDx=n()) %>% group_by(IDx) %>% mutate(Z=cumsum(duplicated(IDx))+1L), by='ID') %>% select(-ID) # Area IDx Z #1 1.2 3 1 #2 3.0 3 1 #3 2.7 3 1 #4 1.4 2 1 #5 2.5 2 1 #6 4.3 3 2 #7 2.1 3 2 #8 1.7 3 2

注意：使用其他数据集对此进行测试＆＃39; df2＆＃39;

数据

df1 <- structure(list(ID = c("A", "A", "A", "B", "B", "C", "C", "C"), Area = c(1.2, 3, 2.7, 1.4, 2.5, 4.3, 2.1, 1.7)), .Names = c("ID", "Area"), class = "data.frame", row.names = c(NA, -8L)) df2 <- structure(list(ID = c("A", "A", "A", "B", "B", "C", "C", "C", "D", "D", "D", "E", "E", "F"), Area = c(1.2, 3, 2.7, 1.4, 2.5, 4.3, 2.1, 1.7, 1.2, 1.4, 2.1, 1.2, 1.5, 2.3)), .Names = c("ID", "Area"), class = "data.frame", row.names = c(NA, -14L))

在R中重构3D图的数据框

1 个答案:

数据