通过串联重塑，使R中的每个变量都有一个单独的时间序列

希望以一种有助于我创建用于时间序列分析的数据集的方式，用下面的结构重塑数据集

下面的数据集是一个示例，我有多个变量作为列，多个品牌作为行以及它们各自的时间段

品牌周期V1 V2 V3
一周1 1 2 3
一周2 1 2 3
一周3 1 2 3
B周1 1 2 3
B周2 1 2 3
B周3 1 2 3
C周1 1 2 3
C周2 1 2 3
C周3 1 2 3

数据集如下所示：

周期A_V1 A_V2 A_V3 B_V1 B_V2 B_V3 C_V1 C_V2 C_V3
周1

周2

第3周

---

我想知道重塑包或我可以使用的任何其他包中是否有一些功能

如果你习惯了

tidyverse

，你可以使用

从
tidyr
收集
和
传播
的组合（与答案类似）：

基本操作可以在一个read.zoo调用中完成，该调用将：


读取brands.dat文件（在末尾的注释中重复定义）——如果您有一个数据框作为输入，则使用下面注释掉的行，而不是未注释的行
按品牌划分数据

结果是一个动物园系列
z
。序列可以直接以这种形式操作，也可以使用
fortify.zoo（z）
转换为数据帧，或者通过将索引聚合为数值（如下文所示），然后使用
as.ts（z）
转换为ts序列

如果您希望列名完全符合问题中所示的格式，请添加以下内容：

colnames(z) <- sub("(\\w+)[.](\\w+)", "\\2_\\1", colnames(z))

time(z) <- 1:nrow(z)

或者这个：

time(z) <- as.numeric(gsub("\\D", "", time(z))

time（z）我们可以使用
data.table
中的
dcast
来获取多个
value.var
列

library(data.table)
dcast(setDT(df1), Period ~ Brand, value.var =names(df1)[3:5])
#   Period V1_A V1_B V1_C V2_A V2_B V2_C V3_A V3_B V3_C
#1:  Week1    1    1    1    2    2    2    3    3    3
#2:  Week2    1    1    1    2    2    2    3    3    3
#3:  Week3    1    1    1    2    2    2    3    3    3

从
数据中查看
dcast
表
即
dcast（setDT（df1），Period~Brand，value.var=c（“V1”，“V2”，“V3”））
他们正在寻找一种解决方案，我不需要为每种情况键入变量名，比如“V1”，“V2”等，然后您可以使用
名称（df1）[3:5]
that@akrun这很有效！这同样有效，但我发现@akrun解决方案目前更可行。顺便说一句，如果你不介意的话，你能解释一下这行代码吗？colnames（z）匹配一个或多个单词字符，后跟一个点，后跟一个或多个单词字符。括号定义了捕获组。替换字符串然后指定与第二个捕获组的匹配、下划线和与第一个捕获组的匹配。
colnames(z) <- sub("(\\w+)[.](\\w+)", "\\2_\\1", colnames(z))

time(z) <- 1:nrow(z)

time(z) <- as.numeric(gsub("\\D", "", time(z))

Lines <- "
Brand   Period  V1  V2  V3
A      Week1    1   2   3
A      Week2    1   2   3
A      Week3    1   2   3
B      Week1    1   2   3
B      Week2    1   2   3
B      Week3    1   2   3
C      Week1    1   2   3
C      Week2    1   2   3
C      Week3    1   2   3"
cat(Lines, file = "brands.dat")

brands <- read.table(text = Lines, header = TRUE)

library(data.table)
dcast(setDT(df1), Period ~ Brand, value.var =names(df1)[3:5])
#   Period V1_A V1_B V1_C V2_A V2_B V2_C V3_A V3_B V3_C
#1:  Week1    1    1    1    2    2    2    3    3    3
#2:  Week2    1    1    1    2    2    2    3    3    3
#3:  Week3    1    1    1    2    2    2    3    3    3