循环识别数据帧中的数据位置，并填充到新的数据帧（R）答案

【问题标题】：Loop to identify data location in a Dataframe, and populate to new Dataframe (R)循环识别数据帧中的数据位置，并填充到新的数据帧（R）
【发布时间】：2018-07-27 00:42:16
【问题描述】：

所以我有一个用户 ID 的数据框作为带有行的列（对应于周期间隔）和二进制变量（事件发生的地方），如下所示：

date Id1 Id2 id3 id4 id5

row1  1   0   0   1   0
row2  0   0   1   1   0
row3  0   1   0   0   1
row4  1   1   0   0   0
row5  0   0   1   1   1  
...

我正在尝试构建一个循环，该循环遍历每一列的每一行，该循环用 1 标识任何单元格，并使用每次出现的行号填充一个新数据框，例如：

  occ. Id1 Id2 id3 id4 id5 
  1    1    3   2   1   3 
  2    4    4   5   2   5
  3                 5    
  4
  5

如果有人能够提供帮助，我很迷茫如何解决这个问题？

【问题讨论】：

您的第二帧并不是真正的帧，因为每列的长度不同。此外，您的示例框架不匹配，您可以编辑您的问题以使其具有代表性吗？
最好存储在list，例如lapply(df[, -1], function(x) which(x == 1))
@r2evans - 更新！

标签： r loops dataframe

【解决方案1】：

您可以将reshape::melt 与来自tidyverse 的spread 一起使用

reshape::melt(df)%>%filter(.,value==1)%>%group_by(variable)%>%mutate(n=row_number())%>%spread(variable,date)
# A tibble: 3 x 7
  value     n    Id1    Id2    id3    id4    id5
* <int> <int> <fctr> <fctr> <fctr> <fctr> <fctr>
1     1     1   row1   row3   row2   row1   row3
2     1     2   row4   row4   row5   row2   row5
3     1     3     NA     NA     NA   row5     NA

【讨论】：

【解决方案2】：

这是一个使用tidyverse的选项

library(tidyverse)
gather(df1, key, val, Id1:id5) %>%
     filter(val != 0) %>% 
     mutate(val = readr::parse_number(date)) %>% 
     spread(key, val) %>% 
     mutate_at(vars(Id1:id5), funs(c(.[!is.na(.)], .[is.na(.)]))) %>%
     rename(occ = date) %>%
     mutate( occ = readr::parse_number(occ))
#   occ Id1 Id2 id3 id4 id5
#1   1   1   3   2   1   3
#2   2   4   4   5   2   5
#3   3  NA  NA  NA   5  NA
#4   4  NA  NA  NA  NA  NA
#5   5  NA  NA  NA  NA  NA

数据

df1 <- structure(list(date = c("row1", "row2", "row3", "row4", "row5"
), Id1 = c(1L, 0L, 0L, 1L, 0L), Id2 = c(0L, 0L, 1L, 1L, 0L), 
id3 = c(0L, 1L, 0L, 0L, 1L), id4 = c(1L, 1L, 0L, 0L, 1L), 
id5 = c(0L, 0L, 1L, 0L, 1L)), .Names = c("date", "Id1", "Id2", 
"id3", "id4", "id5"), class = "data.frame", row.names = c(NA, 
 -5L))

【讨论】：

【解决方案3】：

这是另一个略有不同的tidyverse 选项：

library(tidyverse)
df %>% 
  gather(id, value, Id1:id5) %>% 
  filter(value != 0) %>% 
  mutate(row = str_replace(date, 'row', '')) %>% 
  select(id, row) %>% 
  group_by(id) %>% 
  mutate(occ = row_number()) %>% 
  spread(id, row)

# A tibble: 3 x 6
    occ Id1   Id2   id3   id4   id5  
  <int> <chr> <chr> <chr> <chr> <chr>
1     1 1     3     2     1     3    
2     2 4     4     5     2     5    
3     3 NA    NA    NA    5     NA 


#sample data:

df <- read.table(text='date Id1 Id2 id3 id4 id5
                 row1  1   0   0   1   0
                 row2  0   0   1   1   0
                 row3  0   1   0   0   1
                 row4  1   1   0   0   0
                 row5  0   0   1   1   1', header = TRUE)

【讨论】：

@sbha- 运行此程序时收到以下响应（我已将 DF 更改为实际数据帧名称），并且不确定如何解决它/错误来自何处：错误[.data.frame(order_piv_cast, , c(.(occ = 1:N), lapply(.SD, : 未使用的参数 (.SDcols = -"Date")
我不熟悉那个错误。看起来它来自不同的函数调用。您是否能够使用示例数据框重现答案中的输出？真实数据框是否可能具有不同的列名或不同的格式？大写很重要——“日期”与“日期”会引发错误。
抱歉，我忽略了转换为 data.table。这工作得很好谢谢！

【解决方案4】：

这是一种不同的方法，无需来回重塑。

它使用which() 函数获取行号并单独折叠每一列：

# get maximum number of rows after collapsing
N <- DT[, Reduce(pmax, lapply(.SD, function(x) sum(x == 1))), .SDcols = -"date"]
DT[, c(.(occ = 1:N), lapply(.SD, function(x) {
  tmp <- which(x == 1)
  c(tmp, rep("", N - length(tmp)))
})), .SDcols = -"date"]

   occ Id1 Id2 id3 id4 id5
1:   1   1   3   2   1   3
2:   2   4   4   5   2   5
3:   3               5

数据

library(data.table)
DT <- fread(
  "date Id1 Id2 id3 id4 id5
row1  1   0   0   1   0
row2  0   0   1   1   0
row3  0   1   0   0   1
row4  1   1   0   0   0
row5  0   0   1   1   1  "
)

【讨论】：