R：用数字连接数据框列名答案

【问题标题】：R: Concatenate data frame column name with a numberR：用数字连接数据框列名
【发布时间】：2018-05-08 18:43:47
【问题描述】：

我有这个创建矩阵和数据框的简单代码：

   mat=matrix(rnorm(40*5), ncol=5)
   df=as.data.frame(mat)
   df2 <- tidyr::gather(df, "x", "y", V1:V5)

这是mat创建的head(df)：

           V1          V2          V3          V4          V5
1   0.97111725  0.12937942 -0.89643594 -0.30144874  0.10405400
2   0.68372321 -0.08049954 -0.52891953 -0.56752185 -1.04425728
3   1.04553733  0.24499356  0.25919424 -1.51280159  0.70952009
4   0.16433896 -0.46727565 -0.22030923  1.18732203  0.17529333
5  -1.73732058  0.04977374  1.54042252 -1.27585563 -1.05846972
6   0.35953274  3.09224985 -1.24524965 -0.67492542 -0.68065365

然后我创建另一个数据框df2，在其中将值收集到x 和y 的两列中。

df2 <- tidyr::gather(df, "x", "y", V1:V5)

当我得到矩阵具有不同列数的新数据集时，我必须将df2 的列的值更改为另一个数字。

示例：这里我使用 V5，因为我有 5 列：df2 <- tidyr::gather(df, "x", "y", V1:V5) 所以现在如果我得到一个有 40 列的新矩阵，我必须手动将其更改为 V20：@ 987654331@。

有没有办法像这样写：df2 <- tidyr::gather(df, "x", "y", V1:V+ncol(mat)

【问题讨论】：

您正在收集所有列，因此您可以将该参数留空...tidyr::gather(df, "x", "y") ?
这似乎有效：df2 <- tidyr::gather(df, "x", "y", "V1":"V5")。您可以将其扩展为简单地放入您想要作为字符的第一列，然后放入最后一列

标签： r dataframe tidyverse

【解决方案1】：

是的！您可以使用粘贴。

df2 <- tidyr::gather(df, "x" ,"y", V1:paste0("V", ncol(mat)))

当然，您使用的是所有列，因此您无需指定名称。但如果你真的想引用变量列名，我就是这样做的。

或者，如果您想使用以“V”开头的所有列，您可以这样做

df2 <- tidyr::gather(df, "x", "y", dplyr::starts_with("V"))

【讨论】：

【解决方案2】：

看起来你也可以简单地将列作为字符传递：

df3 <- tidyr::gather(df, "x", "y", names(df)[1]:names(df)[5])

或者，正如您在示例中明确指出的那样，您可以从 V1:V+ncol(df) 开始：

df3 <- tidyr::gather(df, "x", "y", "V1":tail(names(df),1))

然后与您的结果进行比较：

identical(df2,df3)
#[1] TRUE

这可能很好，因为与排除任何列并自动收集所有列的选项相比，它提供了以编程方式选择所需列范围的灵活性。

【讨论】：

【解决方案3】：

简单的列索引也适用于gather。

gather 的文档将 ... 参数读取为：

列的选择。如果为空，则选择所有变量。你可以提供裸变量名，提供裸变量名，用 x:z 选择 x 和 z 之间的所有变量，用 -y 排除 y。为了更多选项，请参阅 dplyr::select() 文档。

mat=matrix(rnorm(40*5), ncol=5)
df=as.data.frame(mat)

df2 <- tidyr::gather(df, "x", "y", 1:5)

#OR
df2 <- tidyr::gather(df, "x", "y", V1:V5)

#OR
df2 <- tidyr::gather(df, "x", "y")  #all columns 


head(df2)
# x          y
# 1 V1 -0.7403657
# 2 V1 -0.7501310
# 3 V1  2.0371748
# 4 V1 -1.2647994
# 5 V1  1.3464162
# 6 V1 -1.8981365

tail(df2)
# x          y
# 195 V5 -2.2739219
# 196 V5 -0.8606414
# 197 V5 -0.8102747
# 198 V5  0.6362617
# 199 V5  0.9962820
# 200 V5  1.6503455

【讨论】：