用指示向量将宽改成长答案

【问题标题】：reshape wide to long with indicator vector用指示向量将宽改成长
【发布时间】：2018-05-13 16:55:01
【问题描述】：

我有一个这样的数据框：

df <- data.frame(v11=rnorm(1), v12=rnorm(1), v21=rnorm(1), v31=rnorm(1), v41=rnorm(1), v42=rnorm(1), v43=rnorm(1))

这个数据框只有一行

df
#          v11       v12        v21       v31       v41       v42       v43
# 1 -0.4425873 0.6062714 -0.3816921 0.2477926 0.1292103 0.2801346 0.4290997

某些列是对同一主题的重复观察，例如 v11 和 v12 是来自同一主题的两个观察。 v21 和 v32 只是单个观察值。 v4x 有三个观察结果。

我想将数据框重塑为如下所示：

v11  v21 v31  v41
v12   NA  NA  v42
 NA   NA  NA  v43

请注意，它应该包含变量的值而不是它们的名称。

我有一个指示向量来标记哪个观察是什么：

v <- c(1, 2, 1, 1, 1, 2, 3)

每个“1”标志着一个新列的开始。

我的第一个想法是自己构建每一行：

row1 <- df[, v == 1]
row2 <- df[, v == 2]
row3 <- df[, v == 3]

但这不包含 NA。一定有更简单的方法。

注意：解决方案不必依赖于原始列名v11、v41 等，而仅依赖于向量v。

【问题讨论】：

这个问题没有什么不清楚的地方。

标签： r dplyr reshape tidyr

【解决方案1】：

这是dplyr + tidyr的解决方案：

library(dplyr)
library(tidyr)

v <- c(1,2,1,1,1,2,3)

df %>%
  gather(var, value) %>%
  mutate(row_num = v,
         col_num = paste0("v", cumsum(v==1))) %>%
  select(-var) %>%
  spread(col_num, value)

结果：

  row_num         v1       v2         v3        v4
1       1 -0.5604756 1.558708 0.07050839 0.1292877
2       2 -0.2301775       NA         NA 1.7150650
3       3         NA       NA         NA 0.4609162

数据：

df = structure(list(v11 = -0.560475646552213, v12 = -0.23017748948328, 
    v21 = 1.55870831414912, v32 = 0.070508391424576, v41 = 0.129287735160946, 
    v42 = 1.71506498688328, v43 = 0.460916205989202), .Names = c("v11", 
"v12", "v21", "v32", "v41", "v42", "v43"), row.names = c(NA, 
-1L), class = "data.frame")

【讨论】：

谢谢，但这可以概括吗？在我的真实数据集中，变量名称完全不同，并且没有表明它们是哪些观察结果的结尾。它只是在向量中v
@spore234 没有变量名，你怎么知道元素应该是哪一列/行？我认为你的问题的前提是你确实有那些一致的变量名。例如假设你的变量名现在从a 到g，你怎么知道a 和b 在第1 列？
你是对的，我在我的例子中犯了一个错误。第一行总是完整的。所以每个新的“1”表示一个新列的开始。
是的，正确的。应该是这样的：“如果出现 1 则开始新列，如果不是 1 则填充行 x”。
@userR 是的，我现在明白了。不错的解决方案+1。我还在纠结 OP 想要什么……

【解决方案2】：

您也可以使用来自reshape2 和transform 的melt 和dcast 执行此操作：

library(reshape2)
dcast(transform(melt(df),
                rownum = substr(variable,3,3),
                cols = substr(variable,1,2)),
      rownum ~ cols, value.var = 'value')

结果：

  rownum          v1        v2        v3          v4
1      1  1.43420148 0.7391372 -1.758605 -0.06982523
2      2 -0.07729196        NA        NA  0.45190553
3      3          NA        NA        NA -1.95836646

数据：

set.seed(2017)
df <- data.frame(v11=rnorm(1), v12=rnorm(1), v21=rnorm(1), v31=rnorm(1), v41=rnorm(1), v42=rnorm(1), v43=rnorm(1))

【讨论】：

这与我的原始答案相似，但 OP 提到重塑不应基于原始列名，而应仅基于提供的指示符向量 v。

【解决方案3】：

这是基于R 的解决方案，仅取决于您对测量数据进行分组的向量v：

首先，示例数据：

set.seed(0)
df <- data.frame(v11=rnorm(1), v12=rnorm(1), v21=rnorm(1), v31=rnorm(1), v41=rnorm(1), v42=rnorm(1), v43=rnorm(1))

#       v11        v12      v21      v31       v41      v42       v43
#1 1.262954 -0.3262334 1.329799 1.272429 0.4146414 -1.53995 -0.928567


v <- c(1,2,1,1,1,2,3)

然后做：

v_grp <- cumsum(v == 1) # create index that groups the measurement data

out <- split(unlist(df), v_grp) # split vector of measurements by group

## following required to pad split vectors with `NA`.
## There are packages that give functions that do this

max_in_group <- max(summary(factor(v_grp)))    
out <- lapply(out, function(v) {
    num_in_vec <- length(v)
    if (num_in_vec < max_in_group) {
        v <- c(v, rep(NA, max_in_group - num_in_vec))
    }
    return(unname(v))
})


out <- do.call(cbind, out)

out
#              1        2        3          4
# v11  1.2629543 1.329799 1.272429  0.4146414
# v12 -0.3262334       NA       NA -1.5399500
#             NA       NA       NA -0.9285670

【讨论】：

这行得通，而且比“tidyr”方法更快，但似乎有点矫枉过正！

【解决方案4】：

这是使用矩阵索引的完美案例，因为您已经有了行索引。

这是如何做到的：

M <- matrix(NA, nrow = max(v), ncol = sum(v == 1))
M[cbind(v, cumsum(v == 1))] <- unlist(df, use.names = FALSE)
M
#            [,1]     [,2]       [,3]      [,4]
# [1,] -0.5604756 1.558708 0.07050839 0.1292877
# [2,] -0.2301775       NA         NA 1.7150650
# [3,]         NA       NA         NA 0.4609162

基本上，您首先创建一个充满NA 值的matrix，然后使用“v”（您的行索引）来创建列索引，在该矩阵上创建子集，并将值替换为“df”中未列出的值。

df in this answer来自用户的回答。

【讨论】：