在R或python中重塑表

我有一张这样的桌子：

在R中复制此数据帧的代码：
ID=c（“0”、“51”、“7”、“62”、“1”、“10”、“5”、“79”、“62”、“10”、“1”、“7”）
mRNA=c（“0”、“0”、“30”、“1”、“0”、“14”、“0”、“1”、“1”、“16”、“0”、“0”）
质心=c（“d0”、“d0”、“d0”、“d0”、“d1”、“d1”、“d1”、“d1”、“d1”、“d10”、“d10”、“d10”）
df我们可以为每个
质心创建一个唯一的
ID
列，然后以宽格式重塑数据

library(dplyr)

df %>%
  group_by(Centroid) %>%
  mutate(ID = paste0("mRNA_", row_number())) %>%
  tidyr::pivot_wider(names_from = ID, values_from = mRNA)

# Centroid mRNA_1 mRNA_2 mRNA_3 mRNA_4 mRNA_5
#  <fct>    <fct>  <fct>  <fct>  <fct>  <fct> 
#1 d0       0      0      30     1      NA    
#2 d1       0      14     0      1      1     
#3 d10      16     0      0      NA     NA    

库（dplyr）
df%>%
分组依据（质心）%>%
突变（ID=paste0（“mRNA”，行数（））%>%
tidyr:：pivot\u更宽（名称\u from=ID，值\u from=mRNA）
#质心mRNA_1 mRNA_2 mRNA_3 mRNA_4 mRNA_5
#               
#1 D00 0 30 1 NA
#2 d1 0 14 0 1 1
#3 d10 16 0 NA
如果您在Python中需要它，这是一个使用pandas的解决方案，它的数据结构与R（数据帧）类似

# setup
import pandas as pd

ID = [0, 51, 7, 62, 1, 10, 5, 79, 62, 10, 1, 7]
mRNA = [0, 0, 30, 1, 0, 14, 0, 1, 1, 16, 0, 0]
Centroid = ['d0', 'd0', 'd0', 'd0', 'd1', 'd1', 'd1', 'd1', 'd1', 'd10', 'd10', 'd10']
df = pd.DataFrame([ID,mRNA,Centroid])
df = df.transpose()
df.rename(columns={0:'ID',1:'mRNA',2:'Centroid'},inplace=True)

# transformation
df['mRNA_idx'] = 'mRNA_' + (df.groupby(['Centroid']).cumcount() + 1).astype(str)
df.pivot(index='Centroid',columns='mRNA_idx',values='mRNA')

# result
>>> df
mRNA_idx mRNA_1 mRNA_2 mRNA_3 mRNA_4 mRNA_5
Centroid                                   
d0            0      0     30      1    NaN
d1            0     14      0      1      1
d10          16      0      0    NaN    NaN

是不是每个质心正好有4个ID值？不一定，它们可以有多于或少于4个。@Amaranta_Remedios我不知道你所说的
是什么意思，但不符合顺序。
但据我所知，它给出的预期输出与你的帖子中所示的相同。没关系，我得到了一个与混淆，问题是在我以前的代码。很抱歉，您的代码工作得很好。它可以工作，但问题是它只能水平扩展。如果您为它提供更多的
Centroid
数据，它也会垂直扩展。
library(dplyr)

df %>%
  group_by(Centroid) %>%
  mutate(ID = paste0("mRNA_", row_number())) %>%
  tidyr::pivot_wider(names_from = ID, values_from = mRNA)

# Centroid mRNA_1 mRNA_2 mRNA_3 mRNA_4 mRNA_5
#  <fct>    <fct>  <fct>  <fct>  <fct>  <fct> 
#1 d0       0      0      30     1      NA    
#2 d1       0      14     0      1      1     
#3 d10      16     0      0      NA     NA    

# setup
import pandas as pd

ID = [0, 51, 7, 62, 1, 10, 5, 79, 62, 10, 1, 7]
mRNA = [0, 0, 30, 1, 0, 14, 0, 1, 1, 16, 0, 0]
Centroid = ['d0', 'd0', 'd0', 'd0', 'd1', 'd1', 'd1', 'd1', 'd1', 'd10', 'd10', 'd10']
df = pd.DataFrame([ID,mRNA,Centroid])
df = df.transpose()
df.rename(columns={0:'ID',1:'mRNA',2:'Centroid'},inplace=True)

# transformation
df['mRNA_idx'] = 'mRNA_' + (df.groupby(['Centroid']).cumcount() + 1).astype(str)
df.pivot(index='Centroid',columns='mRNA_idx',values='mRNA')

# result
>>> df
mRNA_idx mRNA_1 mRNA_2 mRNA_3 mRNA_4 mRNA_5
Centroid                                   
d0            0      0     30      1    NaN
d1            0     14      0      1      1
d10          16      0      0    NaN    NaN