我的数据格式不是很宽，大多数变量都有自己的列，但后两个（point_type和point_value）很长。像这样：
strain light hours point_type point_value
------ ----- ----- ---------- -----------
blank 25 17 log_od750 -0.9018948
blank 25 17 log_od750 -2.0778428
blank 25 17 log_od750 -1.6129440
blank 25 17 log_od750 -2.0076792
blank 25 17 log_od750 -2.8913722
blank 25 17 log_od750 -2.4292827
如何使用几种特定类型的点提取宽幅数据框？例如，我想要列strain，light，hours，od750和log_od750，并删除任何其他point_type。我认为最简单
方法是首先像data <- subset(data, point_type %in% c('od750', 'log_od750'))这样的子集，然后再重塑？
我尝试了各种dcast公式但却没有真正得到我正在做的事情。我是否需要首先melt完成剩下的工作？如果是这样，我如何防止重复聚合重复？
我意识到那里有很多重塑问题和答案！但是我整个上午都无法从他们身上弄清楚，我甚至不确定哪些与我的问题有关。
编辑：更好的样本数据。
set.seed(1)
data <- data.frame(
strain=sample(paste0('strain', 1:10), 100, replace=TRUE),
light=sample(100),
hours=sample(100),
point_type=sample(c('od750', 'log_od750', 'loess', 'loess_err',
'locfit', 'locfit_err'), 100, replace=TRUE),
point_value=sample(100)
)
（我要重新整形的列将具有匹配的hours值，
我只是不确定如何编写一个sample调用来证明这一点。）
编辑：eipi10的答案几乎可以解决，但我认为我还需要通过添加ID列来解决无法在dcast中保留重复值的问题，如其他几个问题所示：
但在阅读+尝试这些例子后，我仍然不确定如何构建该列。
编辑：基于eipi10答案的工作解决方案和this one：
cast_points <- function(df, ptype_regex) {
# takes a data frame in "long-ish" format
# (identifying columns + point_type, point_value),
# and extracts a wide-format data frame
# note: no aggregation is done, which makes sense if your data contains
# lots of replicate measurements you want to keep separate
# note: this also works best when you have values for each chosen point_type
# for each combination of other columns. if not, you get lots of NAs
idcols <- colnames(df)[!colnames(df) %in% c('point_type', 'point_value')]
ptypes <- unique(grep(ptype_regex, df[['point_type']], value=TRUE))
gbdots <- lapply(c(idcols, 'point_type'), as.symbol)
dcform <- paste(paste(c(idcols, 'counter'), collapse='+'), '~', 'point_type')
df <- df[df[['point_type']] %in% ptypes,]
df <- df %>%
group_by_(.dots=gbdots) %>%
mutate(counter=1:n()) %>%
dcast(formula=dcform, value.var="point_value", drop=TRUE)
df[['counter']] <- NULL
return(df)
}
head(data)
# strain resistance light light_bin hours point_type point_value
# 1 blank <NA> 25 025-025 uE 17 od750 0.4058
# 2 blank <NA> 25 025-025 uE 17 od750 0.1252
# 3 blank <NA> 25 025-025 uE 17 od750 0.1993
# 4 blank <NA> 25 025-025 uE 17 od750 0.1343
# 5 blank <NA> 25 025-025 uE 17 od750 0.0555
# 6 blank <NA> 25 025-025 uE 17 od750 0.0881
tail(data)
# strain resistance light light_bin hours point_type point_value
# 93516 strain1 Km 25 025-025 uE 17 log_od750 -0.9670579
# 93517 strain1 Km 25 025-025 uE 17 log_od750 -1.4605870
# 93540 strain1 Km 25 025-025 uE 17 log_od750 -1.8300846
# 93542 strain1 Km 25 025-025 uE 17 log_od750 -1.1779802
# 93554 strain1 Km 25 025-025 uE 17 log_od750 -2.0448469
# 93556 strain1 Km 25 025-025 uE 17 log_od750 -1.8413700
head(cast_points(data, 'log'))
# strain resistance light light_bin hours log_od750
# 1 blank <NA> 25 025-025 uE 17 -0.9018948
# 2 blank <NA> 25 025-025 uE 17 -2.0778428
# 3 blank <NA> 25 025-025 uE 17 -1.6129440
# 4 blank <NA> 25 025-025 uE 17 -2.0076792
# 5 blank <NA> 25 025-025 uE 17 -2.8913722
# 6 blank <NA> 25 025-025 uE 17 -2.4292827
head(cast_points(data, 'od'))
# strain resistance light light_bin hours log_od750 od750
# 1 blank <NA> 25 025-025 uE 17 -0.9018948 0.4058
# 2 blank <NA> 25 025-025 uE 17 -2.0778428 0.1252
# 3 blank <NA> 25 025-025 uE 17 -1.6129440 0.1993
# 4 blank <NA> 25 025-025 uE 17 -2.0076792 0.1343
# 5 blank <NA> 25 025-025 uE 17 -2.8913722 0.0555
# 6 blank <NA> 25 025-025 uE 17 -2.4292827 0.0881
编辑：如果其他人到目前为止，这里有一些其他功能来操纵相同类型的数据：
remove_points <- function(df, ptype_regex) {
# takes a data frame in "long-ish" format
# (identifying columns + point_type, point_value),
# and removes rows with point_types matching the regex
# useful for removing points that you just extracted with cast_points
ptypes <- unique(grep(ptype_regex, df[['point_type']], value=TRUE))
df[!df[['point_type']] %in% ptypes,]
}
append_points <- function(df1_longish, df2_wide) {
# takes one main data frame in "long-ish" format and a second in wide format
# melts the wide one into long-ish and appends to the main one
idcols <- colnames(df1_longish)[!colnames(df1_longish)
%in% c('point_type', 'point_value')]
df2_longish <- melt(df2, variable.name='point_type',
value.name='point_value', id.vars=idcols)
rbind(df1_longish, df2_longish)
}
sac_points <- function(df, fn, ptype_regex) {
# split-apply-combine for "long-ish" data
misc <- drop_points(df, ptype_regex)
df <- cast_points(df, ptype_regex)
df <- fn(df)
append_points(misc, df)
}
答案 0 :(得分：1)
您似乎有两个不同的问题：您只想保留point_type的某些级别，然后您希望point_type的级别成为列。如果是这样，你可以这样做：
library(reshape2)
# Subset
data.keep = data[grep("od750|loc", data$point_type), ]
# Convert to wide format
data.keep.wide = dcast(data.keep, strain + light + hours ~ point_type,
value.var="point_value")
第一行代码将保留point_type包含文本＆＃34; od750＆＃34;的所有行。或＆＃34; loc＆＃34; （我只是选择这些来说明）。第二行将剩余的point_type级别转换为列。
这里是结果的前几行：
data.keep.wide
strain light hours locfit locfit_err log_od750 od750
1 strain1 24 48 NA 60 NA NA
2 strain1 67 74 16 NA NA NA
3 strain1 78 20 7 NA NA NA
4 strain1 83 5 NA NA 58 NA
5 strain1 95 84 NA NA NA 47
6 strain10 13 53 NA NA 35 NA
7 strain10 42 90 NA NA NA 78
请注意，在每一行中，只有一个新列包含一个值。根据您问题中的信息，我假设您的实际数据每小时point_value的每个级别都有point_type。
更新：您的评论似乎表明您的数据可以为菌株，光照，小时和point_type的每个唯一组合提供多行。如果是这种情况，并且您希望保留所有这些，那么您可以在进行子集化后执行以下操作。下面的代码按所有相关列对数据进行分组，然后添加counter，它提供了唯一的＆＃34; ID＆＃34;到给定组的每一行。然后我们在counter的LHS上包含dcast以保留所有行，而不会聚合：
library(reshape2)
library(dplyr)
# Convert to wide format, keeping all rows
data.keep.wide = data.keep %>%
group_by(strain, light, hours, point_type) %>%
mutate(counter=1:n()) %>%
dcast(strain + light + hours + counter ~ point_type, value.var="point_value")