按具有不同ID值的列展开R中的dataframe

我在R中有以下数据帧

df1 <- data.frame(
    "ID" = c("A", "B", "A", "B"),
    "Value" = c(1, 2, 5, 5),
    "freq" = c(1, 3, 5, 3)
)

我尝试了以下代码

library(tidyverse)
df_new <- bind_cols(df1 %>%
                        select(Value, freq, ID) %>%
                        complete(., expand(., 
                                     Value = min(df1$Value):max(df1$Value))),)

库（tidyverse）
df_新%
选择（值、频率、ID）%>%
完成（、展开（.）。，
值=最小值（df1$Value）：最大值（df1$Value）），）

我得到以下输出

   Value  freq ID   
 <dbl> <dbl> <fct>
 1     1     A    
 2     3     B    
 3     NA    NA   
 4     NA    NA   
 5     5     A    
 5     3     B 

值频率ID
11A
2.3 B
3娜娜
4娜娜
5 A
5.3 B

---

我请求有人帮助我

以下方法对您有效吗

with(data = df1,
     expr = {
         data.frame(Value = rep(wrapr::seqi(min(Value), max(Value)), length(unique(ID))),
                    ID = unique(ID))
     }) %>%
    left_join(y = df1,
              by = c("ID" = "ID", "Value" = "Value")) %>%
    arrange(ID, Value)

后果 评论

• 如果我正确地遵循了您的示例，则您的

  ID

  组的值为1到5。如果是这种情况，我的方法将是从原始数据帧生成这两种数据的唯一组合
• 从原始数据帧中携带的唯一变量是<强>代码> Frq <强> >对于给定的PARP<强> >代码> ID值 < /强>，可能不可用。我将通过

  left\u join

  （正如您喜欢的

  tidyverse

  ）加入该变量
  • 在您的示例中，您有值为1,3,5的

    freq

    变量，但在示例中您列出了1,2,5？在我的示例中，我使用了原始的

    freq

    ，然后左键加入它。如果您打算这样做，可以使用普通的

    dplyr

    pipeline进一步修改它

---

以下方法对您有效吗

with(data = df1,
     expr = {
         data.frame(Value = rep(wrapr::seqi(min(Value), max(Value)), length(unique(ID))),
                    ID = unique(ID))
     }) %>%
    left_join(y = df1,
              by = c("ID" = "ID", "Value" = "Value")) %>%
    arrange(ID, Value)

后果 评论
• 如果我正确地遵循了您的示例，则您的

  ID

  组的值为1到5。如果是这种情况，我的方法将是从原始数据帧生成这两种数据的唯一组合
• 从原始数据帧中携带的唯一变量是<强>代码> Frq <强> >对于给定的PARP<强> >代码> ID值 < /强>，可能不可用。我将通过

  left\u join

  （正如您喜欢的

  tidyverse

  ）加入该变量
  • 在您的示例中，您有值为1,3,5的

    freq

    变量，但在示例中您列出了1,2,5？在我的示例中，我使用了原始的

    freq

    ，然后左键加入它。如果您打算这样做，可以使用普通的

    dplyr

    pipeline进一步修改它

---

使用

数据。表

：

library(data.table)
setDT(df1) 
setkey(df1, ID, Value)

df1[CJ(ID = c("A", "B"), Value = 1:5)]

    ID Value freq
 1:  A     1    1
 2:  A     2   NA
 3:  A     3   NA
 4:  A     4   NA
 5:  A     5    5
 6:  B     1   NA
 7:  B     2    3
 8:  B     3   NA
 9:  B     4   NA
10:  B     5    3

---

使用

数据。表
：

library(data.table)
setDT(df1) 
setkey(df1, ID, Value)

df1[CJ(ID = c("A", "B"), Value = 1:5)]

    ID Value freq
 1:  A     1    1
 2:  A     2   NA
 3:  A     3   NA
 4:  A     4   NA
 5:  A     5    5
 6:  B     1   NA
 7:  B     2    3
 8:  B     3   NA
 9:  B     4   NA
10:  B     5    3

使用
tidyr:：full_seq
我们可以找到
Value
的完整版本，但是
嵌套（full_seq（Value，1）
将返回一个错误：

错误：
by
不能包含RHS中缺少的联接列
full_seq（值，1）

因此我们需要添加一个名称，因此
嵌套（Value=full_seq（Value，1）

library（tidyr）
df1%>%完成（ID，嵌套（值=完整顺序（值，1）））
#一个tibble:10x3
ID值频率
1 A 1.1。
2 A 2.不适用
3 A 3.不适用
4 A 4.不适用
5 A 5.5。
6b1.NA
7b2.3。
8 B 3.不适用
9 B 4.NA
10 B 5.3。
使用
tidyr:：full\ seq
我们可以找到
值的完整版本，但是
嵌套（full\ seq（Value，1）
将返回一个错误：

错误：
by
不能包含RHS中缺少的联接列
full_seq（值，1）

因此我们需要添加一个名称，因此
嵌套（Value=full_seq（Value，1）

library（tidyr）
df1%>%完成（ID，嵌套（值=完整顺序（值，1）））
#一个tibble:10x3
ID值频率
1 A 1.1。
2 A 2.不适用
3 A 3.不适用
4 A 4.不适用
5 A 5.5。
6b1.NA
7b2.3。
8 B 3.不适用
9 B 4.NA
10 B 5.3。
但如果您查看第5行，它与所需的输出不同。可能是输入错误。非常好的方法though@patL我认为期望的输出中有一个输入错误，或者计算了
freq
，但原始帖子目前没有提供足够的细节。是的。我也这么认为，但我想指出它以防万一。@patL我在发布我的答案之前检查了它，它可能是一种类型，因为
freq=c（1,3,5,3）
@a.Suliman这就是我试图回答这个问题时的想法但如果你看第5行，它与期望的输出不同。可能是打字错误。非常好的方法though@patL我认为期望的输出中有一个输入错误，或者计算了
freq
，但原始帖子目前没有提供足够的细节。是的。我也这么认为，但我想指出它以防万一。@patL I chec在我发布我的答案之前，我把它删掉了，它可能是一种类型，因为
freq=c（1,3,5,3）
@a.Suliman这是我试图回答这个问题时的想法。；）CJ指的是什么。交叉连接：只要试着运行
CJ（ID=c（“a”，“B”），Value=1:5）
单独运行。就像R基中的expand.grid一样。CJ指的是什么。交叉连接：只需分别运行
CJ（ID=c（“A”，“B”），Value=1:5）
。就像R基中的expand.grid一样。
library(tidyr)
df1 %>% complete(ID, nesting(Value=full_seq(Value,1)))

# A tibble: 10 x 3
  ID    Value  freq
  <fct> <dbl> <dbl>
  1 A        1.    1.
  2 A        2.   NA 
  3 A        3.   NA 
  4 A        4.   NA 
  5 A        5.    5.
  6 B        1.   NA 
  7 B        2.    3.
  8 B        3.   NA 
  9 B        4.   NA 
 10 B        5.    3.