R 数据帧组织
我想分析一系列R赛艇比赛，每个赛艇有4名赛艇手，两两比赛。我想知道在数据帧中表示这一点的最佳方法。我目前有12个计时项目，2个这样的项目构成了两艘船之间的比赛R 数据帧组织,r,dataframe,R,Dataframe,我想分析一系列R赛艇比赛，每个赛艇有4名赛艇手，两两比赛。我想知道在数据帧中表示这一点的最佳方法。我目前有12个计时项目，2个这样的项目构成了两艘船之间的比赛 time race boat seat1 seat2 seat3 seat4 1 204.98 1 1 2 6 1 5 2 202.49 2 1 4 5 2 7 3 202.27 3 1 2 6 3
time race boat seat1 seat2 seat3 seat4
1 204.98 1 1 2 6 1 5
2 202.49 2 1 4 5 2 7
3 202.27 3 1 2 6 3 7
4 206.48 4 1 1 7 2 8
5 204.85 5 1 4 8 2 6
6 204.93 6 1 2 8 3 5
7 204.91 1 2 3 7 4 8
8 207.40 2 2 1 8 3 6
9 207.62 3 2 1 5 4 8
10 203.41 4 2 3 5 4 6
11 205.04 5 2 3 7 1 5
12 204.96 6 2 4 6 1 7
df <- data.frame (
time = c(204.98, 202.49, 202.27, 206.48, 204.85, 204.93,
204.91, 207.40, 207.62, 203.41, 205.04, 204.96),
race = append(1:6, 1:6),
boat = append(rep(1,6),rep(2,6)),
seat1 = c(2,4,2,1,4,2, 3,1,1,3,3,4),
seat2 = c(6,5,6,7,8,8, 7,8,5,5,7,6),
seat3 = c(1,2,3,2,2,3, 4,3,4,4,1,1),
seat4 = c(5,7,7,8,6,5, 8,6,8,6,5,7))
df这将是一个意见问题，部分取决于您希望对该数据集提出什么样的问题。例如，“4号赛艇手参加了哪些比赛？”这个问题不容易用上面的格式回答
因此，我倾向于：
- 一张比赛表格，很像你的，但是没有席位*栏
- 一张赛艇员表，可保存其他详细信息（姓名、体重等）；及
- 一个连接这两者的表格，每场比赛每个划手一行
这将避免大多数冗余，并允许大多数问题（我能想到！）得到相对直接的回答。您始终可以使用一个函数（例如，使用dcast
）重新创建上面显示的表单，以便于人类阅读。这当然是一个意见问题（完全同意@MattB）。对于许多统计分析来说，数据帧是一种非常方便的方法，但很多时候，您必须对其进行转换以满足您的目的
您的案例以“宽格式”显示数据帧。我看不出有什么方便的方法来补充更多关于赛艇运动员的事实。我会把它转换成“长格式”。在宽版中，每个划手都有自己的一排。而且因为划船者似乎是你的“兴趣对象”（你的案例），这可能会让事情变得更容易。“4号赛艇运动员参加了哪些比赛？”这个问题可以用这个表格很容易地回答。创建一个事件与赛艇运动员的表格，将数据分解成长格式m
，然后再转换成适当的宽格式。您没有理由不能以多种形式保存数据，因此确实没有必要选择最佳形式。如果收到新数据，您始终可以重新生成它们。兴趣的形式实际上取决于你想用它做什么，但下面的代码给出了三种形式：
原始宽格式df
长格式m
，可用于回归、箱线图等
lm(time ~ factor(rower) + 0, m)
boxplot(time ~ boat, m)
修订后的宽格式df2
如果存在特定于划行者的属性，则这些属性可以存储在单独的数据框中，每个划行者一行，每个属性一列，并且根据您要执行的操作，如果您想在回归中使用这些属性，可以使用merge
将它们与m
合并
library(data.table)
m <- melt(as.data.table(df), id = 1:3, value.name = "rower")
df2 <- dcast(data = m, time + race + boat ~ rower, value.var = "rower")
setkey(df2, boat, race) # sort
df2
或者，对于dplyr/tidyr：
library(dplyr)
library(tidyr)
m <- df %>%
pivot_longer(-(1:3), names_to = "seat", values_to = "rower")
df2 <- m %>%
pivot_wider(1:3, names_from = rower, values_from = rower, names_sort = TRUE)
库（dplyr）
图书馆（tidyr）
m%
枢轴长度（-（1:3），名称到=“座椅”，值到=“划船者”）
df2%
枢轴宽度（1:3，名称从=划船者，值从=划船者，名称排序=真）
没有异议，这取决于问题。但我怀疑在你的情况下，很多问题都会从长格式中得到解答，这也会使你在需要的时候很容易附加额外的赛艇员信息
库（dplyr）
图书馆（tidyr）
我的方式：48 x 5
#>计时赛艇艇员
#>
#> 1 205. 1座1 2
#> 2 205. 1座2 6
#> 3 205. 1座3 1
#> 4 205. 1座4 5
#> 5 202. 2 1座1 4
#> 6 202. 2 1座2 5
#> 7 202. 2 1座3 2
#> 8 202. 2 1座4 7
#> 9 202. 3 1座1 2
#> 10 202. 3 1座2 6
#>#…还有38行
我的方式%>%按（划船者）分组%>%总结（平均（时间））
#>#A tibble:8 x 2
#>划手平均（时间）`
#>
#> 1 1 206.
#> 2 2 204.
#> 3 3 205.
#> 4 4 205.
#> 5 5 205.
#> 6 6 205.
#> 7 7 204.
#> 8 8 206.
我的方式%>%组员（划船者，座位）%>%总结（）
#>#A tibble:16 x 2
#>#组别：赛艇运动员[8]
#>赛艇座椅
#>
#>1座1
#>2 1座3
#>3 2座1
#>4 2座3
#>5 3座1
#>6 3座3
#>7 4座1
#>8 4座3
#>9.5座2
#>10 5座4
#>11 6座2
#>12 6座4
#>13 7座2
#>14 7座4
#>15 8座2
#>16 8座4
谢谢。这很像我在数据库中组织的一样，但注意到R中的数据集通常不是标准化的，或者是从单个CSV文件读取的。这可能是真的——如果要求从单个.CSV文件读取所有数据，那么这就增加了宽格式参数的权重。根据我的经验，当R中的数据被考虑和设计时，它看起来很像是一个好的数据库设计“…12x8矩阵，它捕获了哪个赛艇运动员参加了哪个比赛。”使用的一种方法是：df%>%pivot\u更长（cols=start\u with（“seat”）、names\u to=“seat”、values\u to=“rower”）%%>%pivot\u更宽（names\u from=rower、values\u from=seat）
。您也可以使用use，它具有类似的功能，包括MattB推荐的dcast。在长格式中，您可以使用my_way%>%groupby（rower）%%>%summary（Total_row_time=sum（time））快速获得每个划船者的总划船时间
如果这是您需要回答的问题，请大家在这里演示R快速转换数据的能力-谢谢。我知道melt
（来自tidyr
），但不知道dcast
；管道符号%>%
在函数式编程中很常见。正如您前面所说的，最初如何加载数据实际上并不重要，而您所拥有的可能是一个很好的选择，r的力量在于旋转事物。我不会太担心效率低下的复制品
library(dplyr)
library(tidyr)
m <- df %>%
pivot_longer(-(1:3), names_to = "seat", values_to = "rower")
df2 <- m %>%
pivot_wider(1:3, names_from = rower, values_from = rower, names_sort = TRUE)