自动堆叠数据框的每第 n 列

Question

我有一个名为 DF 的日期框架，其中包含三个相互循环重复的变量：

      A      B      C      A      B      C 
1    a1     b1     c1     a5     b5     c5
2    a2     b2     c2     a6     b6     c6
3    a3     b3     c3     a7     b7     c7
4    a4     b4     c4     a8     b8     c8

我想将第一个 A 列堆叠在第二个 A 列上（以及第三个和第四个等，如果它们存在），并对其他变量执行相同操作，然后将结果另存为新对象（例如，作为向量）。 所以我想要得到的是

V_A <- c(a1,a2,a3,a4,a5,a6,a7,a8)
V_B <- c(b1,b2,b3,b4,b5,b6,b7,b8)
V_C <- c(c1,c2,c3,c4,c5,c6,c7,c8)

虽然手动操作很容易，像这样

V_A <- DF[,seq(1, ncol(DF), 3]
V_A <- stack(DF)
V_B <- DF[,seq(2, ncol(DF), 3]
V_B <- stack(DF)
V_C <- DF[,seq(3, ncol(DF), 3]
V_C <- stack(DF)

我正在寻找的是一个自动执行此操作的代码，以便它适用于具有各种变量的数据帧，而无需每次都编写临时代码。 总而言之，代码应该： 1）选择数据框中的每第n列 2）堆叠此列 3) 将结果保存在自动创建的新对象中

我觉得一定有办法做到这一点，但到目前为止我还没有成功。提前非常感谢。

编辑 假设我处于稍微不同的情况，列重复但名称不完全相同，我仍然想做同样的事情。所以我有：

     A1      B1      C1      A2      B2      C2 
1    a11     b11     c11     a25     b25     c25
2    a12     b12     c12     a26     b26     c26
3    a13     b13     c13     a27     b27     c27
4    a14     b14     c14     a28     b28     c28

我想要：

V_A <- c(a11,a12,a13,a14,a25,a26,a27,a28)
V_B <- c(b11,b12,b13,b14,b25,b26,b27,b28)
V_C <- c(c11,c12,c13,c14,c25,c26,c27,c28)

我该怎么做？

Answer 1

这里有一些替代方案。没有使用任何包。

1) aperm 创建一个 3d 数组 a，置换维度并重塑为矩阵 m，然后将其转换为数据框。仅当所有值都属于同一类型时，此方法才有效。 (2) 和 (3) 没有这个限制。

k <- 3
nr <- nrow(DF)
nc <- ncol(DF)
unames <- unique(names(DF))

a <- array(as.matrix(DF), c(nr, k, nc/k))
m <- matrix(aperm(a, c(1, 3, 2)),, k, dimnames = list(NULL, unames))
as.data.frame(m, stringsAsFactors = FALSE)

给予：

   A  B  C
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
4 a4 b4 c4
5 a5 b5 c5
6 a6 b6 c6
7 a7 b7 c7
8 a8 b8 c8

如果我们处于问题编辑中给出的情况，则将 unames 替换为以下内容，其中 DF2 是 DF，并根据末尾的注释修改名称：

unames <- unique(sub("\\d*$", "", names(DF2)))

2) lapply 这概括了问题中的代码。 unames 定义如上：

L <- lapply(split(as.list(DF), names(DF)), unlist)
as.data.frame(L, stringsAsFactors = FALSE)

给予：

   A  B  C
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
4 a4 b4 c4
5 a5 b5 c5
6 a6 b6 c6
7 a7 b7 c7
8 a8 b8 c8

使用问题的 EDIT 中显示的输入，可以这样做，其中DF2 在末尾的注释中可重复地给出。

names0 <- sub("\\d*$", "", names(DF2))   # names without the trailing digits
L <- lapply(split(as.list(DF2), names0), unlist)
as.data.frame(L, stringsAsFactors = FALSE)

3) 重塑 nc 和 unames 来自上方。 varying 是一个包含 k 组件的列表，例如第 i 个组件包含索引向量 c(i, i+k, ...)。 reshape 似乎不喜欢重复的名称，因此我们将其提供为 setNames(DF, 1:nc) 作为输入。此解决方案确实具有生成索引向量time 和id 的优点，它们将输出与输入数据相关联。

varying <- split(1:nc, names(DF))
reshape(setNames(DF, 1:nc), dir = "long", varying = varying, v.names = unames)

给予：

    time  A  B  C id
1.1    1 a1 b1 c1  1
2.1    1 a2 b2 c2  2
3.1    1 a3 b3 c3  3
4.1    1 a4 b4 c4  4
1.2    2 a5 b5 c5  1
2.2    2 a6 b6 c6  2
3.2    2 a7 b7 c7  3
4.2    2 a8 b8 c8  4

使用问题编辑中显示的输入，它实际上简化了。我们不再需要使用setNames(DF, 1:nc)，而是可以直接使用数据框作为输入。此外，我们可以使用varying=TRUE（另见@thelatemail 的评论）而不是计算varying 的复杂参数。输入DF2如文末注释所示，names0如上(2)所示。

reshape(DF2, dir = "long", varying = TRUE, v.names = unique(names0))

注意：

Lines <- "      A      B      C      A      B      C 
1    a1     b1     c1     a5     b5     c5
2    a2     b2     c2     a6     b6     c6
3    a3     b3     c3     a7     b7     c7
4    a4     b4     c4     a8     b8     c8"
DF <- read.table(text = Lines, as.is = TRUE, check.names = FALSE)

DF2 <- setNames(DF, c("A1", "B1", "C1", "A2", "B2", "C2")) # test input

更新：一些简化。还在最后的注释中添加了DF2，并在每个替代方案中讨论如何修改代码来处理它。 （一种通用的方法可能只是将 DF2 减少到 DF，正如我在下面的 cmets 中讨论的那样。）

Answer 2

stack 和 unstack

NEWDF=stack(DF)
NEWDF$ind=as.character(NEWDF$ind)
NEWDF$ind=rep(NEWDF$ind[1:(dim(NEWDF)[1]/2)],2)
unstack(NEWDF)
   A  B  C
1 a1 b1 c1
2 a2 b2 c2
3 a3 b3 c3
4 a4 b4 c4
5 a5 b5 c5
6 a6 b6 c6
7 a7 b7 c7
8 a8 b8 c8

Answer 3

我们可以按列拆分然后行绑定 (using G. Grothendieck's example data, DF and DF2)：

library(data.table) #rbindlist for binding columns with different names.

k <- 3
nr <- nrow(DF)
nc <- ncol(DF)

rbindlist(split.default(DF, rep(1:(nc/k), each = k)))
#     A  B  C
# 1: a1 b1 c1
# 2: a2 b2 c2
# 3: a3 b3 c3
# 4: a4 b4 c4
# 5: a5 b5 c5
# 6: a6 b6 c6
# 7: a7 b7 c7
# 8: a8 b8 c8

rbindlist(split.default(DF2, rep(1:(nc/k), each = k)), use.names = FALSE)
#    A1 B1 C1
# 1: a1 b1 c1
# 2: a2 b2 c2
# 3: a3 b3 c3
# 4: a4 b4 c4
# 5: a5 b5 c5
# 6: a6 b6 c6
# 7: a7 b7 c7
# 8: a8 b8 c8

Answer 4

这会将第 n 列堆叠到单独的 data.frames 中，并存储在列表中：

library(tidyr)
cols <- ncol(dat)
set_width <- 3
result <- dat %>%
  gather(key, value) %>%
  split(., rep(rep(1:set_width, each = nrow(dat)), ncol(dat)/set_width))

数据：

dat <- read.table(text = "      A      B      C      A      B      C 
1    a1     b1     c1     a5     b5     c5
                  2    a2     b2     c2     a6     b6     c6
                  3    a3     b3     c3     a7     b7     c7
                  4    a4     b4     c4     a8     b8     c8", check.names = TRUE)

（如果您的变量名称不唯一，即它们完全重复，请将 janitor::clean_names() 插入管道中）。

Answer 5

我们可以使用来自dplyr 包的bind_rows：

df1 <- df[,1:3]
df2 <- df[,4:6]
colnames(df2) <- colnames(df1) # for differing colnames
bind_rows(df1, df2)

输出：

  A     B     C    
  <chr> <chr> <chr>
1 a1    b1    c1   
2 a2    b2    c2   
3 a3    b3    c3   
4 a4    b4    c4   
5 a5    b5    c5   
6 a6    b6    c6   
7 a7    b7    c7   
8 a8    b8    c8