使用 R 将一列提取为行，保留其他列

Question

我有：

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     b     10   15
       2   3     c     29   15
       2   3     d     56   15
       2   3     e     10   15

创建者：

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)
)

模型为每个给定的 sequence 预测一个 output，但 real 输出也沿着每个序列记录。

我需要的：

我想转换数据，使 real 变成 "model" 本身，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

我怎样才能使用 dplyr、tidyr 和他们的表兄弟来实现这一点？

请注意，对于“不错”的解决方案，您不必：

手动输入列索引
手动指定所有不感兴趣的列，如 foo

我试过的：

我尝试了以下方法，但感觉很笨拙：

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框中删除 real 列并附加我刚才所做的行。这不是一个很好的解决方案，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.

Answer 1

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'verse:

d.real = d.test %>% distinct(sequence) %>%
  mutate(model = "real", output = real) %>% select(-real)

d = d.test %>% select(-real)

然后堆叠它们：

bind_rows(d, d.real)

如果顺序很重要，请添加 %>% arrange(sequence)。

评论。OP中的问题源于数据不整洁。如果您不明白我的意思，阅读 Hadley's paper on the subject 可能会有帮助。

Answer 2

这是你想要的吗？

 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)

Answer 3

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)

这个returns:

> 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： 如果你想避免对模型和输出的列索引进行硬编码，请执行：

temp = unique(d.test[,!grepl("(model|output)",colnames(d.test))])

和

colnames(temp)[which(colnames(temp)=="real")] = "output"

Answer 4

另一种可能的 dplyr 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  |

Answer 5

诀窍是加宽已经很长的数据，然后将其转换回长格式，确保在整形中包含 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tidyr函数，用于加宽长数据。它采用一个数据框、一列键的名称（变量名称）和一列值的名称，并将键分布在多个列中。这是将 model-output 对分散到几列后数据的样子。

# 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

gather 是熔化数据的 tidyr 函数。我们使用 dplyr 的 column-selection 语法，我们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output 列中的值。

我们还可以显式 select 要收集的列：d.test.wide %>% gather(model, output, real, a:e)。剩余的未selected 列将用作标识符。

使用 R 将一列提取为行，保留其他列

Extract one column as rows with R, preserving other columns

r

plyr

reshape2

dplyr

tidyr