从R中的现有数据帧中提取数据（或重塑数据帧）

我有一个我正在使用的大型数据框，前几行如下：

      Assay   Genotype   Sample    Result
1     001        G         1         0
2     001        A         2         1
3     001        G         3         0 
4     001        NA        4         NA
5     002        T         1         0
6     002        G         2         1
7     002        T         3         0 
8     002        T         4         0
9     003        NA        1         N
10    003        G         2         1
11    003        G         3         1 
12    003        T         4         0

总的来说，我将处理2000个样本，每个样本进行168次分析。对于每个示例，我希望提取每个示例的“结果”中的数据，以创建一个类似以下内容的列表或数据框：

Sample  Data
   1    00N
   2    111
   3    001
   4    N00

因此，生成的数据帧（或类似的首选数据结构）将是2000行2列。“数据”行将包含168个字符，每个字符对应于每个“分析”

---

有人能帮我解决这个问题吗？

使用

split

和

sapply

的基本R解决方案：

sapply(split(dat$Result, dat$Sample), paste, collapse="")

     1      2      3      4 
 "00N"  "111"  "001" "NA00" 

---

一种方法是使用包

plyr

和基本功能

paste

：

library(plyr)
ddply(dat, "Sample", summarize, Data = paste(Result, collapse = ""))

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

编辑以解决问题

可能我能想到的将NA更改为N的最简单方法是对

ddply

的结果使用

gsub

。注意，我大量借用了@Brian re:ordering提供的非常好的观点。这样做，这是一个好的提示

out <- ddply(dat, "Sample", summarize, Data = paste(Result[order(Assay)], collapse = ""))

瞧

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4  N00

---

请注意，@Chase和@Andrie都假设数据已经按分析排序（您的示例就是这样，所以这不是一个不合理的假设）。如果不是，您仍然可以按正确的顺序获取字符串

调整@Chase的解决方案

library(plyr)
ddply(dat, "Sample", summarize, 
  Data = paste(Result[order(Assay)], collapse = ""))

给予

如果我们使用未排序的数据：

dat.scramble <- dat[sample(nrow(dat)),]

> dat.scramble
   Assay Genotype Sample Result
6    002        G      2      1
1    001        G      1      0
3    001        G      3      0
7    002        T      3      0
10   003        G      2      1
8    002        T      4      0
12   003        T      4      0
5    002        T      1      0
2    001        A      2      1
4    001       NA      4     NA
9    003       NA      1      N
11   003        G      3      1

---

第四行有轻微的打字错误吗？应该改为NA00吗？实际上我更喜欢最后一个字符串的“NA”缩短为N。如果它更简单的话，我可以接受。一个简单的答案是做

gsub（“NA”，“N”，yourData）

@Chase当我在数据框上运行gsub时，我得到了一种我不知道如何使用的数据格式。这是太长，张贴在这里的评论，但它似乎分裂成两个不同的字符列表我的数据帧。你能告诉我如何维护我的数据帧结构并仍然进行这些更改吗？请参阅我编辑的答案，结合@Brian的观点和上面关于gsub的部分。干杯

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

dat.scramble <- dat[sample(nrow(dat)),]

> dat.scramble
   Assay Genotype Sample Result
6    002        G      2      1
1    001        G      1      0
3    001        G      3      0
7    002        T      3      0
10   003        G      2      1
8    002        T      4      0
12   003        T      4      0
5    002        T      1      0
2    001        A      2      1
4    001       NA      4     NA
9    003       NA      1      N
11   003        G      3      1

ddply(dat.scramble, "Sample", summarize, 
  Data = paste(Result[order(Assay)], collapse = ""))

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00