使用R将一列提取为行,保留其他列
我所拥有的: 我有一个如下所示的数据框:使用R将一列提取为行,保留其他列,r,dplyr,plyr,reshape2,tidyr,R,Dplyr,Plyr,Reshape2,Tidyr,我所拥有的: 我有一个如下所示的数据框: sequence foo model output real 1 3 a 12 12 1 3 b 29 12 1 3 c 10 12 1 3 d 38 12 1 3 e 10 12 2 3 a 38 15 2 3
sequence foo model output real
1 3 a 12 12
1 3 b 29 12
1 3 c 10 12
1 3 d 38 12
1 3 e 10 12
2 3 a 38 15
2 3 b 10 15
2 3 c 29 15
2 3 d 56 15
2 3 e 10 15
创建人:
d.test = data.frame(
sequence = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2),
foo = c(3, 3, 3, 3, 3, 3, 3, 3, 3, 3),
model = c("a", "b", "c", "d", "e", "a", "b", "c", "d", "e"),
output = c(12, 29, 10, 38, 10, 38, 10, 29, 56, 10),
real = c(12, 12, 12, 12, 12, 15, 15, 15, 15, 15)
)
该模型预测每个给定的序列
的输出
,但真实
输出也会沿每个序列记录
我需要什么:
我想转换数据,使real
本身成为一个“模型”,即:
sequence foo model output
1 3 a 12
1 3 b 29
1 3 c 10
1 3 d 38
1 3 e 10
1 3 real 12
2 3 a 38
2 3 b 10
2 3 c 29
2 3 d 56
2 3 e 10
2 3 real 15
我如何使用dplyr
、tidyr
和他们的表亲来实现这一点
请注意,对于“好”的解决方案,不必:
- 手动输入列索引
- 手动指定所有不感兴趣的列,如
foo
unique(
melt(d.test,
id.vars = c("sequence", "foo"),
measure.vars = c("real"),
variable.name = "model",
value.name = "output"
)
)
现在,我必须从原始数据帧中删除real
列,并附加我刚才所做的操作的行。这不是一个好的解决方案,因为除了foo
列之外,我可能还想保留更多的列,然后我必须将它们指定为id.vars
我会使用data.table:
library(data.table)
setDT(d.test)
d.test[,
rbind(.SD, .SD[1L][, `:=`(model = "real", output = real[1L])])
, by=sequence][, real := NULL][]
如果我不得不使用“诗句:
d.real = d.test %>% distinct(sequence) %>%
mutate(model = "real", output = real) %>% select(-real)
d = d.test %>% select(-real)
然后将它们堆叠起来:
bind_rows(d, d.real)
如果排序很重要,请添加%%>%arrange(sequence)
评论。OP中的问题源于不整洁的数据。如果你不知道我的意思,阅读可能会有帮助。这就是你想要的吗
x <- unique(
melt(d.test,
id.vars = c("sequence", "foo"),
measure.vars = c("real"),
variable.name = "model",
value.name = "output" ))
d.test$real<-NULL
names(x) <- names(d.test)
rbind(d.test, x)
x另一种方法是:
temp = unique(d.test[,-c(3,4)])
temp$model = "real"
colnames(temp)[3] = "output"
d.test$real = NULL
d.test = rbind(d.test,temp)
这将返回:
> d.test
sequence foo model output
1 1 3 a 12
2 1 3 b 29
3 1 3 c 10
4 1 3 d 38
5 1 3 e 10
6 2 3 a 38
7 2 3 b 10
8 2 3 c 29
9 2 3 d 56
10 2 3 e 10
11 1 3 real 12
61 2 3 real 15
编辑:
如果要避免对模型和输出的列索引进行harcoding,请执行以下操作:
temp = unique(d.test[,!grepl("(model|output)",colnames(d.test))])
及
dplyr的另一种可能解决方案:
> library(dplyr)
>
>
> d.real <- d.test %>% group_by(sequence) %>%
select(foo=unique(foo),output = unique(real)) %>%
unique() %>% mutate(model='real') %>% as.data.frame() %>% rbind(d.test[,1:4])
%>% arrange(sequence,model)
Adding missing grouping variables: `sequence` #ignore it
>
> knitr::kable(d.real)
| sequence| foo| output|model |
|--------:|---:|------:|:-----|
| 1| 3| 12|a |
| 1| 3| 29|b |
| 1| 3| 10|c |
| 1| 3| 38|d |
| 1| 3| 10|e |
| 1| 3| 12|real |
| 2| 3| 38|a |
| 2| 3| 10|b |
| 2| 3| 29|c |
| 2| 3| 56|d |
| 2| 3| 10|e |
| 2| 3| 15|real |
>库(dplyr)
>
>
>d.实际百分比分组依据(顺序)%>%
选择(foo=unique(foo),output=unique(real))%>%
unique()%%>%mutate(model='real')%%>%as.data.frame()%%>%rbind(d.test[,1:4])
%>%排列(顺序、型号)
添加缺少的分组变量:`sequence`#忽略它
>
>克尼特:卡布尔(d.real)
|序列| foo |输出|模型|
|--------:|---:|------:|:-----|
|1 | 3 | 12 | a|
|1 | 3 | 29 | b|
|1 | 3 | 10 | c|
|1 | 3 | 38 | d|
|1 | 3 | 10 | e|
|1 | 3 | 12 |真实|
|2 | 3 | 38 | a|
|2 | 3 | 10 | b|
|2 | 3 | 29 | c|
|2 | 3 | 56 | d|
|2 | 3 | 10 | e|
|2 | 3 | 15 |真实|
诀窍是加宽已经很长的数据,然后将其转换回长格式,确保在重塑中包含real
列
library(dplyr)
library(tidyr)
d.test %>%
spread(model, output) %>%
gather(model, output, -sequence, -foo) %>%
arrange(sequence, model)
#> sequence foo model output
#> 1 1 3 a 12
#> 2 1 3 b 29
#> 3 1 3 c 10
#> 4 1 3 d 38
#> 5 1 3 e 10
#> 6 1 3 real 12
#> 7 2 3 a 38
#> 8 2 3 b 10
#> 9 2 3 c 29
#> 10 2 3 d 56
#> 11 2 3 e 10
#> 12 2 3 real 15
spread
是用于扩展长数据的tidyr函数。它获取一个数据帧、一列键的名称(变量名)和一列值的名称,并将键分散到几列上。这是将模型
-输出
对分散到多个列后的数据外观
# Convert to wide-format so there is one real per row
d.test.wide <- d.test %>%
spread(model, output)
d.test.wide
#> sequence foo real a b c d e
#> 1 1 3 12 12 29 10 38 10
#> 2 2 3 15 38 10 29 56 10
#转换为宽格式,使每行有一个实数
d、 测试范围%
排列(模型、输出)
d、 测试范围
#>序列foo实a b c d e
#> 1 1 3 12 12 29 10 38 10
#> 2 2 3 15 38 10 29 56 10
gather
是熔化数据的tidyr函数。我们使用dplyr的列选择语法,告诉它收集除标识符sequence
和foo
之外的所有列,将键存储在model
列中,并将值存储在output
列中
我们还可以显式地选择要收集的列:d.test.wide%>%gather(model、output、real、a:e)
。剩余的未选择列将用作标识符。Fwiw,我认为重塑2及其熔化现在是dplyr等人的祖先,而不是近亲。我知道,我只是很难强迫自己使用“新”列:)不要认为你对数据表
解决方案感兴趣,而是类似DT[,list(model=c(model,“real”)、output=c(output,real[1])、by=sequence]
应该适合您的情况。(DT
当然是as.data.table(d.test)
)@nicola很有意思,谢谢。从未真正使用过数据。表,但有它作为参考是很好的。输出是我想要的,是的,但在问题中我已经描述过我尝试过。哦,d'Oh,刚刚意识到这是OP已经想到的。尽管如此,这似乎是正确的方法。这看起来比reformae2/unique
解决方案,但如果可能的话,我不想手动指定所有其他列,如foo
。谢谢!这确实有效,但它非常依赖于手动输入的列索引,而干净的解决方案只需指定您感兴趣的列名。我在问题中已经澄清了这一点。
# Convert to wide-format so there is one real per row
d.test.wide <- d.test %>%
spread(model, output)
d.test.wide
#> sequence foo real a b c d e
#> 1 1 3 12 12 29 10 38 10
#> 2 2 3 15 38 10 29 56 10