将长数据帧值拆分为具有重复列的较小帧值[重复]答案

【问题标题】：Split long dataframe values into smaller frame values having repeated columns [duplicate]将长数据帧值拆分为具有重复列的较小帧值[重复]
【发布时间】：2018-01-29 10:00:17
【问题描述】：

我正在使用 vcfR 包。我必须打破重复的col。值到相同的列垂直显示输出。

例如：

Sample Chr p-value AF MQ   Sample Chr p-value AF MQ   Sample Chr p-value AF MQ    
A1      1  0.0533  30 40     A1    1  0.0633  35 45    A1     2  0.0753  35 45

我正在尝试获取输出，

Sample    Chr    p-value    AF     MQ
A1         1     0.0533     30     40  
A1         1     0.0633     35     45  
A1         2     0.0753     35     45

我正在尝试使用 groupby 函数、sapply 函数，但无法获得如上图所示的输出。请帮忙..

【问题讨论】：

你能用dput发布样本数据吗？
这是私人数据。我有一个很长的数据集，其中每个字段都包含很多参数。我分离了参数并将它们转置在一个矩阵中。现在我必须将该矩阵制作成较小的框架，其中将出现很少的列及其值。如果 col 重复，那么它的对应值将在相应的 col 下拆分，但 col 标题不会出现。正如示例中提到的，正是我需要的输出。
这似乎是一个很宽的data.frame，不是很长？
是的，它很宽，包含重复的 cols 及其值。我必须将各个列的值放在列名下，以防止它们重复..
如果您可以向我们展示产生您的输出的 vcfR 代码，可能会有更好的方法。

标签： r dataframe matrix bioinformatics

【解决方案1】：

这是一个替代解决方案：

df = read.table(text='Sample Chr p-value AF MQ   Sample Chr p-value AF MQ   Sample Chr p-value AF MQ    
A1      1  0.0533  30 40     A1    1  0.0633  35 45    A1     2  0.0753  35 45',header=T,check.names=F)

library(data.table)
group = ave(seq(ncol(df)), colnames(df), FUN = seq_along)
rbindlist(lapply(seq(max(group)), function(x) {df[,which(group==x)]}),fill=T)

输出：

   Sample Chr p-value AF MQ
1:     A1   1  0.0533 30 40
2:     A1   1  0.0633 35 45
3:     A1   2  0.0753 35 45

请注意，这要求每个组中没有不重复的列。如果有，您应该删除列，例如 df = df[, colnames(df) %in% unique(colnames(df)[duplicated(colnames(df))])]。

希望这会有所帮助！

【讨论】：

【解决方案2】：

您可以创建列索引列表，访问列集以获取列表，然后 rbind 列表中的元素

numCols <- unique(diff(which(colnames(df)=="Sample")))
indices <- split(seq_len(ncol(df)), ceiling(seq_len(ncol(df))/numCols))
do.call(rbind, lapply(indices, function(x) {
    df[,x]      
}))

数据：

df <- read.table(text="Sample Chr p-value AF MQ   Sample Chr p-value AF MQ   Sample Chr p-value AF MQ    
A1      1  0.0533  30 40     A1    1  0.0633  35 45    A1     2  0.0753  35 45", 
    header=TRUE,
    check.names=FALSE)

基于 OP 的 cmets，原始数据似乎是长格式，其中一列中的 colnames 和第二列中的数据如下：

df2 <- data.frame(V1=c("Sample","Chr","p-value","AF","MQ","Sample","Chr","p-value","AF","MQ"),
    V2=c("A1","1","0.0533","30","40","A1","1","0.0633","35","45"))

我们可以通过如下方式拆分行来做类似的事情，然后 rbind 结果

do.call(rbind, lapply(split(df2$V2, cumsum(df2$V1=="Sample")), t))

【讨论】：

谢谢，但这里我展示了 5 列。我有更多的 cols 假设 >50/60 .. 这个 cols 是动态的，它会随着每个数据集而改变。在这种情况下，我将如何划分？
你的意思是我们如何获得列数而不是硬编码为 5？ unique(diff(which(colnames(df)=="Sample"))) 之类的东西？
在宽 data.frame 中，我已经有了 col 名称及其值。它直接从数据集中读取（预处理），直到现在我得到的最终输出是..假设在 V1 中我有所有的列名，而 V2 我有所有的值。它们很宽，因为我使用了转置函数。现在我必须拆分它们，如 eg.. 所示，V1 将具有 col 名称而不重复 col 名称（如 eg），V2 将包含 o/p。
所以你想从长宽格式转换？查看reshape::dcast、data.table::dcast.data.table 或tidyr::spread。你真的需要更新你的问题。