如何使用 R 将列的各个部分分开分配？
How to distribute parts of a column besides each other using R?
我有一个 .xlsx 文档，其中包含 3 列（ImageNumber、ObjectNumber、Intensity）内的一些数据和测量值。问题是，这些数据都只在一列中，如下所示：
263 2 347.92942202463746
264 2 340.47059811465442
265 2 626.37256725877523
266 2 352.60785254277289
267 2 1161.9843464940786
268 2 353.31373599730432
269 2 1164.090231411159
270 2 639.38041111640632
271 2 365.32550028897822
272 2 373.7215790450573
273 2 611.34119655750692
274 2 342.07451999932528
275 2 343.72550031356514
276 2 602.51766622252762
277 2 335.52942184358835
278 2 347.39216740056872
279 2 349.49412823654711
280 2 365.96079528704286
281 2 603.77256822399795
282 2 403.58432539924979
283 2 633.00001835078001
284 2 390.50589356571436
285 2 387.1451101154089
1 3 94.176473506726325
2 3 79.400002629496157
3 3 331.84314792603254
4 3 1152.6863025426865
5 3 1186.6627745330334
6 3 470.21962223947048
7 3 513.58432994037867
8 3 501.98040856420994
9 3 497.15687815099955
10 3 440.45099299959838
11 3 442.16471740975976
12 3 1270.5686648786068
13 3 1296.145133793354
14 3 592.69021038152277
15 3 1247.9529772102833
16 3 1304.1843515634537
17 3 1317.5176855623722
18 3 566.2706073410809
19 3 555.8470722027123
20 3 953.59217982552946
21 3 445.65883476100862
22 3 438.89020615816116
23 3 1410.3608229905367
24 3 426.01569781638682
25 3 1424.8588645160198
26 3 1416.5294532775879
27 3 1253.4470970630646
28 3 422.10197120346129
29 3 1272.7372958958149
30 3 498.68629035539925
31 3 464.75687384977937
32 3 374.47452012635767
33 3 402.48628707416356
34 3 508.00393660180271
35 3 405.66275736689568
36 3 498.54511260986328
这只是我测量的一小部分。但是，为了能够分析这些数据，我需要采用以下格式，其中不同的数据集彼此相邻：
ImageNumber ObjectNumber Intensity ImageNumber ObjectNumber Intensity ImageNumber ObjectNumber Intensity ImageNumber ObjectNumber Intensity
1 1 2385.494163364172 1 2 30.200001035351306 1 3 522.71766421943903 1 4 1057.6157233268023
2 1 479.47844552993774 2 2 28.882353894878179 2 3 1007.6078772544861 2 4 461.65491861104965
3 1 391.68236282467842 3 2 27.615687115117908 3 3 907.86276851594448 3 4 416.80001404881477
4 1 25.168628226500005 4 2 762.15687701106071 4 3 360.51765584945679 4 4 745.08237412944436
5 1 32.286275403108448 5 2 735.21570462733507 5 3 370.90589284710586 5 4 95.643139901570976
6 1 29.819608668331057 6 2 680.78825412690639 6 3 357.29804827086627 6 4 91.490198460407555
7 1 63.627452164888382 7 2 746.64315531402826 7 3 441.45099106151611 7 4 131.12157137878239
8 1 57.643138359300792 8 2 391.56863641180098 8 3 550.72550706192851 8 4 805.54511855356395
9 1 54.403922646306455 9 2 386.09804813098162 9 3 339.52549867797643 9 4 506.53334950841963
10 1 485.22354453988373 10 2 574.22747141867876 10 3 1228.5804251618683 10 4 1256.5176827311516
11 1 382.1568714408204 11 2 545.84315247740597 11 3 1212.9255175394937 11 4 1363.251015804708
12 1 396.752954300493 12 2 571.52942893654108 12 3 377.77256011217833 12 4 729.58433585613966
13 1 1283.8667007293552 13 2 542.1764866374433 13 3 706.82747261226177 13 4 648.21178455650806
14 1 430.46275778114796 14 2 909.63139714486897 14 3 451.46668002009392 14 4 1028.8941485583782
15 1 602.85491912066936 15 2 347.98432378470898 15 3 396.26667900010943 15 4 406.35295270755887
16 1 421.81961948797107 16 2 837.12943513691425 16 3 478.32942511886358 16 4 1038.5725800022483
17 1 405.13334396108985 17 2 747.52551138773561 17 3 446.17256097495556 17 4 885.80394879728556
18 1 324.09020387381315 18 2 653.02354798838496 18 3 835.43531934171915 18 4 407.7647173628211
19 1 336.67843942344189 19 2 804.93727961182594 19 3 429.20393324270844 19 4 291.43530296906829
20 1 741.53335233777761 20 2 366.6039296798408 20 3 732.14904120564461 20 4 394.81569704227149
21 1 338.82745894789696 21 2 1345.1961118653417 21 3 519.3960902877152 21 4 564.89413283765316
22 1 415.46667850390077 22 2 837.20394962280989 22 3 395.91765884310007 22 4 224.29020238853991
23 1 362.44314773753285 23 2 787.94120307266712 23 3 391.5568740144372 23 4 1794.8980749752373
24 1 789.72158995270729 24 2 374.35295177251101 24 3 708.94512075185776 24 4 381.40393186733127
25 1 386.32942296564579 25 2 687.25100283324718 25 3 373.17255918681622 25 4 430.47844344004989
26 1 319.23530425131321 26 2 564.95687813684344 26 3 429.85099240392447 26 4 289.76079219020903
27 1 312.13726452738047 27 2 480.74903298169374 27 3 440.44314985722303 27 4 373.62746067903936
28 1 630.78825259953737 28 2 470.48236661218107 28 3 288.50981164351106 28 4 270.01961551234126
29 1 340.45099052786827 29 2 648.56472269445658 29 3 427.27059957757592 29 4 1008.9764956980944
如图所示，具有相同 "ObjectNumber" 的所有数据集应与 "Intensity" 和 "ImageNumber" 的相应值一起位于单独的列中。由于有时会有超过 100 个数据集（有数百个数据点），手动复制一个数据集是不可能的，因为这会花费很多时间。
我已经通过使用 R 包 "tidyverse" 或 "reshape" 解决了一些关于数据管理或对齐的其他问题。但是，这次我完全不知道如何解决这个问题。
如果你能帮我解决这个问题，我将不胜感激。
我在一些报告中使用过这样的功能：
wrap_frame <- function(x, nr, nc, rownames = NULL, byrow = FALSE, sep = "_", unique_names = TRUE) {
if (!xor(missing(nr), missing(nc))) stop("specify exactly one of 'nr' or 'nc'")
has_rownames <- isTRUE(is.character(attr(x, "row.names")))
if (is.null(rownames)) {
if (missing(rownames) && has_rownames) warning("wrap_frame: row names discarded", call. = FALSE)
} else {
x <- cbind.data.frame(list(row.names(x)), x)
colnames(x)[1] <- rownames
}
if (missing(nr)) {
nr <- ceiling(nrow(x) / nc)
ind <- c(rep(seq_len(nc), times = nrow(x) %/% nc),
head(seq_len(nc), n = nrow(x) %% nc))
} else {
nc <- ceiling(nrow(x) / nr)
ind <- c(rep(seq_len(nrow(x) %/% nr), times = nr),
rep(nc, nrow(x) %% nr))
}
if (!byrow) ind <- sort(ind)
lst <- split(x, ind)
lst <- lapply(lst, lapply, `length<-`, nrow(lst[[1]]))
cnames <-
if (unique_names) {
paste(rep(colnames(x), times = nc), rep(seq_len(nc), each = ncol(x)), sep = sep)
} else {
rep(colnames(x), times = nc)
}
out <- do.call("cbind.data.frame", lst)
colnames(out) <- cnames
out
}
一些示例数据（这种方式更快，对不起，虽然你改进了它的格式，但我没有使用你的！）：
mt <- mtcars[1:3]
还有一些示例调用，首先固定行数：
wrap_frame(mt, nr = 10)
# Warning: wrap_frame: row names discarded
# mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4
# 1 21.0 6 160.0 17.8 6 167.6 21.5 4 120.1 15.0 8 301
# 2 21.0 6 160.0 16.4 8 275.8 15.5 8 318.0 21.4 4 121
# 3 22.8 4 108.0 17.3 8 275.8 15.2 8 304.0 NA NA NA
# 4 21.4 6 258.0 15.2 8 275.8 13.3 8 350.0 NA NA NA
# 5 18.7 8 360.0 10.4 8 472.0 19.2 8 400.0 NA NA NA
# 6 18.1 6 225.0 10.4 8 460.0 27.3 4 79.0 NA NA NA
# 7 14.3 8 360.0 14.7 8 440.0 26.0 4 120.3 NA NA NA
# 8 24.4 4 146.7 32.4 4 78.7 30.4 4 95.1 NA NA NA
# 9 22.8 4 140.8 30.4 4 75.7 15.8 8 351.0 NA NA NA
# 10 19.2 6 167.6 33.9 4 71.1 19.7 6 145.0 NA NA NA
wrap_frame(mt, nr = 10, rownames = NULL) # to silence the warning
固定列数：
wrap_frame(mt, nc = 7, rownames = NULL)
# mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4 mpg_5 cyl_5 disp_5 mpg_6 cyl_6 disp_6 mpg_7 cyl_7 disp_7
# 1 21.0 6 160 18.1 6 225.0 17.8 6 167.6 10.4 8 460.0 21.5 4 120.1 19.2 8 400.0 15.8 8 351
# 2 21.0 6 160 14.3 8 360.0 16.4 8 275.8 14.7 8 440.0 15.5 8 318.0 27.3 4 79.0 19.7 6 145
# 3 22.8 4 108 24.4 4 146.7 17.3 8 275.8 32.4 4 78.7 15.2 8 304.0 26.0 4 120.3 15.0 8 301
# 4 21.4 6 258 22.8 4 140.8 15.2 8 275.8 30.4 4 75.7 13.3 8 350.0 30.4 4 95.1 21.4 4 121
# 5 18.7 8 360 19.2 6 167.6 10.4 8 472.0 33.9 4 71.1 NA NA NA NA NA NA NA NA NA
这两个例子都展示了一些填充：第一个，行数是固定的，所以最后一列有点稀疏，但只有一列有 NA 个值；在第二个中，列数是固定的，所以最后一行是半空的，但只有一行有 NA 个值。两者在某种意义上都是"balanced"。
同样的事情，但这次是按行进行，这意味着 x 的前 nc 行分布在输出的第一行：
wrap_frame(mt, nc = 7, byrow = TRUE, rownames = NULL)
# mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4 mpg_5 cyl_5 disp_5 mpg_6 cyl_6 disp_6 mpg_7 cyl_7 disp_7
# 1 21.0 6 160.0 21.0 6 160.0 22.8 4 108.0 21.4 6 258.0 18.7 8 360.0 18.1 6 225.0 14.3 8 360.0
# 2 24.4 4 146.7 22.8 4 140.8 19.2 6 167.6 17.8 6 167.6 16.4 8 275.8 17.3 8 275.8 15.2 8 275.8
# 3 10.4 8 472.0 10.4 8 460.0 14.7 8 440.0 32.4 4 78.7 30.4 4 75.7 33.9 4 71.1 21.5 4 120.1
# 4 15.5 8 318.0 15.2 8 304.0 13.3 8 350.0 19.2 8 400.0 27.3 4 79.0 26.0 4 120.3 30.4 4 95.1
# 5 15.8 8 351.0 19.7 6 145.0 15.0 8 301.0 21.4 4 121.0 NA NA NA NA NA NA NA NA NA
并且我们可以通过保持列名不变使其更美观"happy"：
wrap_frame(mt, nc = 3, rownames = "", unique_names = FALSE)
# mpg cyl disp mpg cyl disp mpg cyl disp
# 1 Mazda RX4 21.0 6 160.0 Merc 450SE 16.4 8 275.8 AMC Javelin 15.2 8 304.0
# 2 Mazda RX4 Wag 21.0 6 160.0 Merc 450SL 17.3 8 275.8 Camaro Z28 13.3 8 350.0
# 3 Datsun 710 22.8 4 108.0 Merc 450SLC 15.2 8 275.8 Pontiac Firebird 19.2 8 400.0
# 4 Hornet 4 Drive 21.4 6 258.0 Cadillac Fleetwood 10.4 8 472.0 Fiat X1-9 27.3 4 79.0
# 5 Hornet Sportabout 18.7 8 360.0 Lincoln Continental 10.4 8 460.0 Porsche 914-2 26.0 4 120.3
# 6 Valiant 18.1 6 225.0 Chrysler Imperial 14.7 8 440.0 Lotus Europa 30.4 4 95.1
# 7 Duster 360 14.3 8 360.0 Fiat 128 32.4 4 78.7 Ford Pantera L 15.8 8 351.0
# 8 Merc 240D 24.4 4 146.7 Honda Civic 30.4 4 75.7 Ferrari Dino 19.7 6 145.0
# 9 Merc 230 22.8 4 140.8 Toyota Corolla 33.9 4 71.1 Maserati Bora 15.0 8 301.0
# 10 Merc 280 19.2 6 167.6 Toyota Corona 21.5 4 120.1 Volvo 142E 21.4 4 121.0
# 11 Merc 280C 17.8 6 167.6 Dodge Challenger 15.5 8 318.0 <NA> NA NA NA
注意：NA 是 R 所必需的，因为 data.frame 必须是矩形的。如果我插入空格，那么所有数字都将转换为 character，而不是你 want/need（我怀疑）。但是，在导出时，您通常可以选择声明 NA 在输出中的表示方式，例如：
write.table(..., na="")readr::write_csv(..., na="")options(knitr.kable.NA=""); knitr::kable(...)
我已将其添加为要点：https://gist.github.com/r2evans/f99f77d253cfbf6431db575f0bf2a7ea
因此，假设您知道数据框中测量值集的数量（例如，n_sets <- 3）d，并且观察值的数量始终相同（例如，n_obs <- 23) 并且每组图像的编号从 1 到 n_obs，然后您可以执行以下操作：
library(dplyr)
n_obs <- 23
n_sets <- 3
idx <- rep(1:n_sets, each = n_obs)
idx <- as.factor(idx)
d$idx <- idx
newd <- split(d, f = d$idx) %>%
bind_cols()
然后适当重命名。
我有一个 .xlsx 文档，其中包含 3 列（ImageNumber、ObjectNumber、Intensity）内的一些数据和测量值。问题是，这些数据都只在一列中，如下所示：
263 2 347.92942202463746
264 2 340.47059811465442
265 2 626.37256725877523
266 2 352.60785254277289
267 2 1161.9843464940786
268 2 353.31373599730432
269 2 1164.090231411159
270 2 639.38041111640632
271 2 365.32550028897822
272 2 373.7215790450573
273 2 611.34119655750692
274 2 342.07451999932528
275 2 343.72550031356514
276 2 602.51766622252762
277 2 335.52942184358835
278 2 347.39216740056872
279 2 349.49412823654711
280 2 365.96079528704286
281 2 603.77256822399795
282 2 403.58432539924979
283 2 633.00001835078001
284 2 390.50589356571436
285 2 387.1451101154089
1 3 94.176473506726325
2 3 79.400002629496157
3 3 331.84314792603254
4 3 1152.6863025426865
5 3 1186.6627745330334
6 3 470.21962223947048
7 3 513.58432994037867
8 3 501.98040856420994
9 3 497.15687815099955
10 3 440.45099299959838
11 3 442.16471740975976
12 3 1270.5686648786068
13 3 1296.145133793354
14 3 592.69021038152277
15 3 1247.9529772102833
16 3 1304.1843515634537
17 3 1317.5176855623722
18 3 566.2706073410809
19 3 555.8470722027123
20 3 953.59217982552946
21 3 445.65883476100862
22 3 438.89020615816116
23 3 1410.3608229905367
24 3 426.01569781638682
25 3 1424.8588645160198
26 3 1416.5294532775879
27 3 1253.4470970630646
28 3 422.10197120346129
29 3 1272.7372958958149
30 3 498.68629035539925
31 3 464.75687384977937
32 3 374.47452012635767
33 3 402.48628707416356
34 3 508.00393660180271
35 3 405.66275736689568
36 3 498.54511260986328
这只是我测量的一小部分。但是，为了能够分析这些数据，我需要采用以下格式，其中不同的数据集彼此相邻：
ImageNumber ObjectNumber Intensity ImageNumber ObjectNumber Intensity ImageNumber ObjectNumber Intensity ImageNumber ObjectNumber Intensity
1 1 2385.494163364172 1 2 30.200001035351306 1 3 522.71766421943903 1 4 1057.6157233268023
2 1 479.47844552993774 2 2 28.882353894878179 2 3 1007.6078772544861 2 4 461.65491861104965
3 1 391.68236282467842 3 2 27.615687115117908 3 3 907.86276851594448 3 4 416.80001404881477
4 1 25.168628226500005 4 2 762.15687701106071 4 3 360.51765584945679 4 4 745.08237412944436
5 1 32.286275403108448 5 2 735.21570462733507 5 3 370.90589284710586 5 4 95.643139901570976
6 1 29.819608668331057 6 2 680.78825412690639 6 3 357.29804827086627 6 4 91.490198460407555
7 1 63.627452164888382 7 2 746.64315531402826 7 3 441.45099106151611 7 4 131.12157137878239
8 1 57.643138359300792 8 2 391.56863641180098 8 3 550.72550706192851 8 4 805.54511855356395
9 1 54.403922646306455 9 2 386.09804813098162 9 3 339.52549867797643 9 4 506.53334950841963
10 1 485.22354453988373 10 2 574.22747141867876 10 3 1228.5804251618683 10 4 1256.5176827311516
11 1 382.1568714408204 11 2 545.84315247740597 11 3 1212.9255175394937 11 4 1363.251015804708
12 1 396.752954300493 12 2 571.52942893654108 12 3 377.77256011217833 12 4 729.58433585613966
13 1 1283.8667007293552 13 2 542.1764866374433 13 3 706.82747261226177 13 4 648.21178455650806
14 1 430.46275778114796 14 2 909.63139714486897 14 3 451.46668002009392 14 4 1028.8941485583782
15 1 602.85491912066936 15 2 347.98432378470898 15 3 396.26667900010943 15 4 406.35295270755887
16 1 421.81961948797107 16 2 837.12943513691425 16 3 478.32942511886358 16 4 1038.5725800022483
17 1 405.13334396108985 17 2 747.52551138773561 17 3 446.17256097495556 17 4 885.80394879728556
18 1 324.09020387381315 18 2 653.02354798838496 18 3 835.43531934171915 18 4 407.7647173628211
19 1 336.67843942344189 19 2 804.93727961182594 19 3 429.20393324270844 19 4 291.43530296906829
20 1 741.53335233777761 20 2 366.6039296798408 20 3 732.14904120564461 20 4 394.81569704227149
21 1 338.82745894789696 21 2 1345.1961118653417 21 3 519.3960902877152 21 4 564.89413283765316
22 1 415.46667850390077 22 2 837.20394962280989 22 3 395.91765884310007 22 4 224.29020238853991
23 1 362.44314773753285 23 2 787.94120307266712 23 3 391.5568740144372 23 4 1794.8980749752373
24 1 789.72158995270729 24 2 374.35295177251101 24 3 708.94512075185776 24 4 381.40393186733127
25 1 386.32942296564579 25 2 687.25100283324718 25 3 373.17255918681622 25 4 430.47844344004989
26 1 319.23530425131321 26 2 564.95687813684344 26 3 429.85099240392447 26 4 289.76079219020903
27 1 312.13726452738047 27 2 480.74903298169374 27 3 440.44314985722303 27 4 373.62746067903936
28 1 630.78825259953737 28 2 470.48236661218107 28 3 288.50981164351106 28 4 270.01961551234126
29 1 340.45099052786827 29 2 648.56472269445658 29 3 427.27059957757592 29 4 1008.9764956980944
如图所示，具有相同 "ObjectNumber" 的所有数据集应与 "Intensity" 和 "ImageNumber" 的相应值一起位于单独的列中。由于有时会有超过 100 个数据集（有数百个数据点），手动复制一个数据集是不可能的，因为这会花费很多时间。
我已经通过使用 R 包 "tidyverse" 或 "reshape" 解决了一些关于数据管理或对齐的其他问题。但是，这次我完全不知道如何解决这个问题。
如果你能帮我解决这个问题，我将不胜感激。
我在一些报告中使用过这样的功能：
wrap_frame <- function(x, nr, nc, rownames = NULL, byrow = FALSE, sep = "_", unique_names = TRUE) {
if (!xor(missing(nr), missing(nc))) stop("specify exactly one of 'nr' or 'nc'")
has_rownames <- isTRUE(is.character(attr(x, "row.names")))
if (is.null(rownames)) {
if (missing(rownames) && has_rownames) warning("wrap_frame: row names discarded", call. = FALSE)
} else {
x <- cbind.data.frame(list(row.names(x)), x)
colnames(x)[1] <- rownames
}
if (missing(nr)) {
nr <- ceiling(nrow(x) / nc)
ind <- c(rep(seq_len(nc), times = nrow(x) %/% nc),
head(seq_len(nc), n = nrow(x) %% nc))
} else {
nc <- ceiling(nrow(x) / nr)
ind <- c(rep(seq_len(nrow(x) %/% nr), times = nr),
rep(nc, nrow(x) %% nr))
}
if (!byrow) ind <- sort(ind)
lst <- split(x, ind)
lst <- lapply(lst, lapply, `length<-`, nrow(lst[[1]]))
cnames <-
if (unique_names) {
paste(rep(colnames(x), times = nc), rep(seq_len(nc), each = ncol(x)), sep = sep)
} else {
rep(colnames(x), times = nc)
}
out <- do.call("cbind.data.frame", lst)
colnames(out) <- cnames
out
}
一些示例数据（这种方式更快，对不起，虽然你改进了它的格式，但我没有使用你的！）：
mt <- mtcars[1:3]
还有一些示例调用，首先固定行数：
wrap_frame(mt, nr = 10)
# Warning: wrap_frame: row names discarded
# mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4
# 1 21.0 6 160.0 17.8 6 167.6 21.5 4 120.1 15.0 8 301
# 2 21.0 6 160.0 16.4 8 275.8 15.5 8 318.0 21.4 4 121
# 3 22.8 4 108.0 17.3 8 275.8 15.2 8 304.0 NA NA NA
# 4 21.4 6 258.0 15.2 8 275.8 13.3 8 350.0 NA NA NA
# 5 18.7 8 360.0 10.4 8 472.0 19.2 8 400.0 NA NA NA
# 6 18.1 6 225.0 10.4 8 460.0 27.3 4 79.0 NA NA NA
# 7 14.3 8 360.0 14.7 8 440.0 26.0 4 120.3 NA NA NA
# 8 24.4 4 146.7 32.4 4 78.7 30.4 4 95.1 NA NA NA
# 9 22.8 4 140.8 30.4 4 75.7 15.8 8 351.0 NA NA NA
# 10 19.2 6 167.6 33.9 4 71.1 19.7 6 145.0 NA NA NA
wrap_frame(mt, nr = 10, rownames = NULL) # to silence the warning
固定列数：
wrap_frame(mt, nc = 7, rownames = NULL)
# mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4 mpg_5 cyl_5 disp_5 mpg_6 cyl_6 disp_6 mpg_7 cyl_7 disp_7
# 1 21.0 6 160 18.1 6 225.0 17.8 6 167.6 10.4 8 460.0 21.5 4 120.1 19.2 8 400.0 15.8 8 351
# 2 21.0 6 160 14.3 8 360.0 16.4 8 275.8 14.7 8 440.0 15.5 8 318.0 27.3 4 79.0 19.7 6 145
# 3 22.8 4 108 24.4 4 146.7 17.3 8 275.8 32.4 4 78.7 15.2 8 304.0 26.0 4 120.3 15.0 8 301
# 4 21.4 6 258 22.8 4 140.8 15.2 8 275.8 30.4 4 75.7 13.3 8 350.0 30.4 4 95.1 21.4 4 121
# 5 18.7 8 360 19.2 6 167.6 10.4 8 472.0 33.9 4 71.1 NA NA NA NA NA NA NA NA NA
这两个例子都展示了一些填充：第一个，行数是固定的，所以最后一列有点稀疏，但只有一列有 NA 个值；在第二个中，列数是固定的，所以最后一行是半空的，但只有一行有 NA 个值。两者在某种意义上都是"balanced"。
同样的事情，但这次是按行进行，这意味着 x 的前 nc 行分布在输出的第一行：
wrap_frame(mt, nc = 7, byrow = TRUE, rownames = NULL)
# mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4 mpg_5 cyl_5 disp_5 mpg_6 cyl_6 disp_6 mpg_7 cyl_7 disp_7
# 1 21.0 6 160.0 21.0 6 160.0 22.8 4 108.0 21.4 6 258.0 18.7 8 360.0 18.1 6 225.0 14.3 8 360.0
# 2 24.4 4 146.7 22.8 4 140.8 19.2 6 167.6 17.8 6 167.6 16.4 8 275.8 17.3 8 275.8 15.2 8 275.8
# 3 10.4 8 472.0 10.4 8 460.0 14.7 8 440.0 32.4 4 78.7 30.4 4 75.7 33.9 4 71.1 21.5 4 120.1
# 4 15.5 8 318.0 15.2 8 304.0 13.3 8 350.0 19.2 8 400.0 27.3 4 79.0 26.0 4 120.3 30.4 4 95.1
# 5 15.8 8 351.0 19.7 6 145.0 15.0 8 301.0 21.4 4 121.0 NA NA NA NA NA NA NA NA NA
并且我们可以通过保持列名不变使其更美观"happy"：
wrap_frame(mt, nc = 3, rownames = "", unique_names = FALSE)
# mpg cyl disp mpg cyl disp mpg cyl disp
# 1 Mazda RX4 21.0 6 160.0 Merc 450SE 16.4 8 275.8 AMC Javelin 15.2 8 304.0
# 2 Mazda RX4 Wag 21.0 6 160.0 Merc 450SL 17.3 8 275.8 Camaro Z28 13.3 8 350.0
# 3 Datsun 710 22.8 4 108.0 Merc 450SLC 15.2 8 275.8 Pontiac Firebird 19.2 8 400.0
# 4 Hornet 4 Drive 21.4 6 258.0 Cadillac Fleetwood 10.4 8 472.0 Fiat X1-9 27.3 4 79.0
# 5 Hornet Sportabout 18.7 8 360.0 Lincoln Continental 10.4 8 460.0 Porsche 914-2 26.0 4 120.3
# 6 Valiant 18.1 6 225.0 Chrysler Imperial 14.7 8 440.0 Lotus Europa 30.4 4 95.1
# 7 Duster 360 14.3 8 360.0 Fiat 128 32.4 4 78.7 Ford Pantera L 15.8 8 351.0
# 8 Merc 240D 24.4 4 146.7 Honda Civic 30.4 4 75.7 Ferrari Dino 19.7 6 145.0
# 9 Merc 230 22.8 4 140.8 Toyota Corolla 33.9 4 71.1 Maserati Bora 15.0 8 301.0
# 10 Merc 280 19.2 6 167.6 Toyota Corona 21.5 4 120.1 Volvo 142E 21.4 4 121.0
# 11 Merc 280C 17.8 6 167.6 Dodge Challenger 15.5 8 318.0 <NA> NA NA NA
注意：NA 是 R 所必需的，因为 data.frame 必须是矩形的。如果我插入空格，那么所有数字都将转换为 character，而不是你 want/need（我怀疑）。但是，在导出时，您通常可以选择声明 NA 在输出中的表示方式，例如：
write.table(..., na="")readr::write_csv(..., na="")options(knitr.kable.NA=""); knitr::kable(...)
我已将其添加为要点：https://gist.github.com/r2evans/f99f77d253cfbf6431db575f0bf2a7ea
因此，假设您知道数据框中测量值集的数量（例如，n_sets <- 3）d，并且观察值的数量始终相同（例如，n_obs <- 23) 并且每组图像的编号从 1 到 n_obs，然后您可以执行以下操作：
library(dplyr)
n_obs <- 23
n_sets <- 3
idx <- rep(1:n_sets, each = n_obs)
idx <- as.factor(idx)
d$idx <- idx
newd <- split(d, f = d$idx) %>%
bind_cols()
然后适当重命名。