转置数据帧后R变量类型发生变化答案

【问题标题】：R variable types changes after transposing data frame转置数据帧后R变量类型发生变化
【发布时间】：2017-02-15 19:48:57
【问题描述】：

我一直对R中的变量类型感到困惑，现在转置一个数据框后遇到了一个问题。

例如，我使用table() 来获取某个向量中每个因子的计数：

data(iris)

count <- as.data.frame(table(iris$Species))
typeof(count$Var1)
# [1] "integer"

typeof(count$Freq)
# [1] "integer"

我的第一个问题是，为什么count$Var1 是“整数”？字符串也可以是“整数”吗？但这没关系，因为我可以通过count$Var1 <- as.character(count$Var1)改变类型，然后typeof(count$Var1)变成“字符”。

现在我将这个数据帧转置为transposed_count <- as.data.frame(t(count))。但我很困惑，因为：

typeof(transposed_count[1,])
[1] "list"

typeof(transposed_count[2,])
[1] "list"

transposed_count[2,]
     V1 V2 V3
Freq 50 50 50

为了后续使用，我需要 transposed_count[2,] 是一个数字向量，例如：

transposed_count[2,]
[1] 50 50 50

我该怎么做？又为什么在t()之后变成了“名单”？对不起，如果这是一个愚蠢的问题。谢谢！

【问题讨论】：

标签： r data-structures transpose variable-types

【解决方案1】：

我的第一个问题是，为什么count$Var1 是“整数”？

因为因子是整数存储类型

> is.factor(count$Var1)
[1] TRUE

iris data.frame 中的“字符串”在 R 中很常见，被存储为因子。

为什么在t()之后变成了“名单”？

当您转置时，您会得到一个矩阵，并且每个条目的矩阵必须具有相同的存储类。您实际上首先会得到一个字符矩阵，因为整数值将被强制转换。然后，当您随后更改为 data.frame 时，这些字符将默认强制转换为（新）因子。

> t(count)
     [,1]     [,2]         [,3]       
Var1 "setosa" "versicolor" "virginica"
Freq "50"     "50"         "50" 

> transposed_count <- as.data.frame(t(count))

> transposed_count[2,1]
Freq 
  50 
Levels: 50 setosa
> as.numeric(transposed_count[2,1])
[1] 1

所以现在的计数为 50 是一个数值为 1 的因子！不是你想要的。

至于为什么typeof(transposed_count[1,])是一个列表？作为 data.frame 的水平切片，它实际上是一个 data.frame。

> is.data.frame(transposed_count[2,])
[1] TRUE

data.frames 只是包含类信息的列表。

但是我怎样才能得到一个“转置”的数据帧呢？

听起来你可能想要

> library(reshape2)
> dcast(melt(count), variable~Var1)
Using Var1 as id variables
  variable setosa versicolor virginica
1     Freq     50         50        50

读完所有样本后，我将重新绑定所有数据帧

您必须确保列正确排列。根据即将进行的分析，rbind 可能更自然，因为另一列指示来源。

> count2 <- count
> count$source = "file1"
> count2$source = "file2"
> (mcount <- rbind(count,count2))
        Var1 Freq source
1     setosa   50  file1
2 versicolor   50  file1
3  virginica   50  file1
4     setosa   50  file2
5 versicolor   50  file2
6  virginica   50  file2

如果您以后确实想重塑形状，现在不必担心对齐问题

> dcast(melt(mcount), ...~Var1)
Using Var1, source as id variables
  source variable setosa versicolor virginica
1  file1     Freq     50         50        50
2  file2     Freq     50         50        50

【讨论】：

感谢您的解释！我变得更清楚了。但是我怎样才能得到一个“转置”的数据帧呢？
我正在读取一堆文件，每个文件作为每个样本。最后我需要一个数据框，其中行是样本，列是每个文件/样本中每个元素的计数。所以在我读完所有样本后，我将 rbind 所有数据框。这就是为什么我需要它被转置。我将把“Var1”作为最终数据框的列名。
正如@Roman Luštrik 推断的那样，您可能正在从reshape2 库中寻找类似dcast(melt(count), ...~Var1) 的东西。但是，根据您的分析，更自然的形状可能是rbind 原始格式的数据，添加带有文件/样本指示符的另一列。这会给你一个“堆叠”的格式。
非常感谢！现在我知道有区别了。当我搜索转置数据框时， t() 是我得到的唯一答案。但实际上我不应该将它用于我的目的。

【解决方案2】：

typeof 会告诉你 R 如何在内部存储数据。对于因子，这是整数。 Var1 是一个因素，明白吗？

> class(count$Var1)
[1] "factor"

transposed_counts 在这种情况下毫无意义。通过转置你破坏了 data.frame 逻辑。转置通常对矩阵有意义。如果你想“重排”一个 data.frame，你可以使用类似 reshape 或其任何亲戚的东西。

【讨论】：

感谢您的回答！

【解决方案3】：

如果您在转置之前将 Var1 中的物种名称转换为行名称，则可以避免将所有内容转置为相同数据类型的问题。

data(iris)
count <- as.data.frame(table(iris$Species))
row.names(count) <- count$Var1
count$Var1 <- NULL
transposed_count <- as.data.frame(t(count))
as.numeric(transposed_count[1,])
# [1] 50 50 50

【讨论】：