R 使用uniques字符对数据帧进行子集设置和重新格式化

我如何使用以下条件重新格式化和子集数据帧 a） 行名唯一（df1$Name），b）每个名称的每个唯一ID的唯一（df1$ID）ad colnames，c）值。注意：如果一个唯一的名称有重复的ID，请仅为那些频率最高的ID选择值

---

df1我们可以使用

dcast

在过滤掉组“Name”、“ID”中“频率”最高的行后，将“long”转换为“wide”

setDT

将

data.frame

转换为

data.table

，

其中.max

获取组中具有最大“频率”的行的数字索引（

by=list（Name，ID）

）。我们根据索引（

.SD

-

数据子集.table

）对数据集进行子集，然后使用

dcast

library(data.table)#v.1.9.5+
dcast(setDT(df1)[, .SD[which.max(Frequency)], by = list(Name, ID)], 
                            Name~ID, value.var='value', fill=0)
#    Name A-1 A-2 A-3 A-4 A-5
#1:   AA   0   1   1   1   1
#2:   BB   1   1   0   0   0
#3:   CC   1   0   1   0   0

或者我们可以在

dplyr/tidyr

中使用类似的方法，在分组后使用

slice

过滤掉最大频率行，然后使用

spread

将格式从“long”更改为“wide”

library(dplyr)
library(tidyr)
 df1 %>% 
    group_by(Name, ID) %>%
    slice(which.max(Frequency)) %>% 
    select(-Frequency) %>% 
    spread(ID, value, fill=0)

注意：两个

排列

和

dcast

都有

填充

选项。默认情况下，它是

NA

数据

df1
library(data.table)#v.1.9.5+
dcast(setDT(df1)[, .SD[which.max(Frequency)], by = list(Name, ID)], 
                            Name~ID, value.var='value', fill=0)
#    Name A-1 A-2 A-3 A-4 A-5
#1:   AA   0   1   1   1   1
#2:   BB   1   1   0   0   0
#3:   CC   1   0   1   0   0

library(dplyr)
library(tidyr)
 df1 %>% 
    group_by(Name, ID) %>%
    slice(which.max(Frequency)) %>% 
    select(-Frequency) %>% 
    spread(ID, value, fill=0)

df1 <- structure(list(Name = c("AA", "AA", "AA", "AA", "AA", "AA", 
"AA", 
"BB", "BB", "BB", "BB", "BB", "BB", "BB", "CC", "CC", "CC", "CC", 
"CC"), ID = c("A-1", "A-2", "A-3", "A-3", "A-1", "A-4", "A-5", 
"A-1", "A-1", "A-2", "A-3", "A-4", "A-4", "A-2", "A-1", "A-2", 
"A-3", "A-3", "A-1"), value = c(0L, 1L, 0L, 1L, 1L, 1L, 1L, 0L, 
1L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 1L, 1L), Frequency = c(50L, 
30L, 10L, 60L, 10L, 40L, 50L, 10L, 30L, 20L, 10L, 40L, 60L, 10L, 
10L, 20L, 10L, 15L, 17L)), .Names = c("Name", "ID", "value", 
"Frequency"), class = "data.frame", row.names = c(NA, -19L))