提问人：Hotamd6 提问时间：7/4/2012 最后编辑：JaapHotamd6 更新时间：10/16/2022 访问量：8513
将不带“timevar”的数据帧从长格式转置/重塑为宽格式
Transpose / reshape dataframe without "timevar" from long to wide format
问：
我有一个遵循以下长模式的数据框：
Name MedName
Name1 atenolol 25mg
Name1 aspirin 81mg
Name1 sildenafil 100mg
Name2 atenolol 50mg
Name2 enalapril 20mg
并想在下面（我不在乎我是否可以以这种方式命名列，只想要这种格式的数据）：
Name medication1 medication2 medication3
Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
Name2 atenolol 50mg enalapril 20mg NA
通过这个网站，我已经熟悉了 reshape/reshape2 包，并经历了几次尝试来尝试让它工作，但到目前为止都失败了。
当我尝试时，我只得到一堆列，这些列是药物名称的标志（转置的值是 1 或 0）示例：dcast(dataframe, Name ~ MedName, value.var='MedName')
Name atenolol 25mg aspirin 81mg
Name1 1 1
Name2 0 0
在我融化数据集后，我也尝试过，但这只是吐出以下内容（只是计算每个人有多少药物）：dcast(dataset, Name ~ variable)
Name MedName
Name1 3
name2 2
最后，我尝试融化数据，然后使用（其中所有都是 Mednames）进行重塑，但是这似乎不是为我的问题而构建的，因为如果 idvar 有多个匹配项，则重塑只会采用第一个 MedName 并忽略其余部分。idvar="Name"timevar="variable"
有谁知道如何使用 reshape 或其他 R 函数来做到这一点？我意识到可能有一种方法可以以更混乱的方式做到这一点，使用一些 for 循环和条件来基本上拆分和重新粘贴数据，但我希望有一个更简单的解决方案。非常感谢！
答：
16赞
mnel
7/4/2012
#1
假设您的数据在对象中：dataset
library(plyr)
## Add a medication index
data_with_index <- ddply(dataset, .(Name), mutate,
index = paste0('medication', 1:length(Name)))
dcast(data_with_index, Name ~ index, value.var = 'MedName')
## Name medication1 medication2 medication3
## 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
## 2 Name2 atenolol 50mg enalapril 20mg <NA>
评论
1赞
Cina
3/16/2019
这个解决方案有小问题。当列数超过 10 时，按顺序排序。例如，开始。如何解决排序问题？medication1,medication10,medication11,medication12,...,medication2
15赞
thelatemail
7/4/2012
#2
在使用 .在这里，我习惯于将函数“along”应用于每个“Name”。timevarreshapeaveseq_along
test <- data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
"atenolol 50mg","enalapril 20mg")
)
# generate the 'timevar'
test$uniqid <- with(test, ave(as.character(Name), Name, FUN = seq_along))
# reshape!
reshape(test, idvar = "Name", timevar = "uniqid", direction = "wide")
结果：
Name MedName.1 MedName.2 MedName.3
1 name1 atenolol 25mg aspirin 81mg sildenafil 100mg
4 name2 atenolol 50mg enalapril 20mg <NA>
评论
0赞
Hotamd6
7/4/2012
感谢您的帮助，这奏效了。我对列的一个担忧是，在我的实际数据集中，我的药物数量和名称不断变化，因此声明 MedName=c（All the names） 可能会有点多，但我感谢您的帮助，并且可能会将这种方法用于其他问题。
0赞
thelatemail
7/5/2012
@Hotamd6 - 无需手动指定所有名称 - 您可以对数据集名称进行查找和替换，以获得与上述@mnel相同的结果。gsub("MedName.","medication",names(reshapedtestdata),fixed=TRUE)
5赞
Anthony Damico
8/13/2014
#3
@thelatemail的解决方案与此类似。当我生成时间变量时，我会在我没有以交互方式工作并且变量需要是动态的情况下使用。rleName
# start with your example data
x <-
data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
"atenolol 50mg","enalapril 20mg")
)
# pick the id variable
id <- 'Name'
# sort the data.frame by that variable
x <- x[ order( x[ , id ] ) , ]
# construct a `time` variable on the fly
x$time <- unlist( lapply( rle( as.character( x[ , id ] ) )$lengths , seq_len ) )
# `reshape` uses that new `time` column by default
y <- reshape( x , idvar = id , direction = 'wide' )
# done
y
评论
1赞
A5C1D2H2I1M1N2O1R2T1
12/15/2014
我不确定我是否理解您关于何时使用“Name”变量需要动态的评论。@thelatemail的解决方案难道不也允许这种灵活性（并且不必先对数据进行排序）吗？rle
0赞
Anthony Damico
12/16/2014
@AnandaMahto也许你是对的。我想你可以在第二行后面使用，然后剩下的就是动态的。id <- 'Name'as.character(get(id))
11赞
A5C1D2H2I1M1N2O1R2T1
12/15/2014
#4
这似乎实际上是一个相当普遍的问题，所以我在我的“splitstackshape”包中包含了一个调用的函数。getanID
它的作用如下：
library(splitstackshape)
getanID(test, "Name")
# Name MedName .id
# 1: name1 atenolol 25mg 1
# 2: name1 aspirin 81mg 2
# 3: name1 sildenafil 100mg 3
# 4: name2 atenolol 50mg 1
# 5: name2 enalapril 20mg 2
由于 “data.table” 与 “splitstackshape” 一起加载，因此您可以访问 ，因此您可以按照 @mnel 的示例继续操作。dcast.data.table
dcast.data.table(getanID(test, "Name"), Name ~ .id, value.var = "MedName")
# Name 1 2 3
# 1: name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2: name2 atenolol 50mg enalapril 20mg NA
该函数实质上实现了由标识的组来创建“时间”列。sequence(.N)
18赞
Jaap
2/7/2016
#5
使用 data.table 包，可以使用新功能轻松解决此问题：rowid
library(data.table)
dcast(setDT(d1),
Name ~ rowid(Name, prefix = "medication"),
value.var = "MedName")
这给了：
Name medication1 medication2 medication3 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg 2 Name2 atenolol 50mg enalapril 20mg <NA>
另一种方法（通常在 1.9.7 版本之前使用）：
dcast(setDT(d1)[, rn := 1:.N, by = Name],
Name ~ paste0("medication",rn),
value.var = "MedName")
给出相同的结果。
library(dplyr)
library(tidyr)
d1 %>%
group_by(Name) %>%
mutate(rn = paste0("medication",row_number())) %>%
spread(rn, MedName)
这给了：
Source: local data frame [2 x 4] Groups: Name [2] Name medication1 medication2 medication3 (fctr) (chr) (chr) (chr) 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg 2 Name2 atenolol 50mg enalapril 20mg NA
1赞
moodymudskipper
10/7/2017
#6
下面是一个更短的方法，利用处理名称的方式：unlist
library(dplyr)
df1 %>% group_by(Name) %>% do(as_tibble(t(unlist(.[2]))))
# # A tibble: 2 x 4
# # Groups: Name [2]
# Name MedName1 MedName2 MedName3
# <chr> <chr> <chr> <chr>
# 1 name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 name2 atenolol 50mg enalapril 20mg <NA>
5赞
Ric S
7/14/2020
#7
一个干净的解决方案涉及 包版本中非常有用的功能 .这样，您还可以使用参数直接指定列名。pivot_widertidyr1.1.0names_glue
library(tidyr)
library(dplyr)
dataframe %>%
group_by(Name) %>%
mutate(row_n = row_number()) %>%
pivot_wider(id_cols = Name, names_from = row_n, values_from = MedName, names_glue = "medication{row_n}")
输出
# A tibble: 2 x 4
# Groups: Name [2]
# Name medication1 medication2 medication3
# <chr> <chr> <chr> <chr>
# 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA
1赞
Darren Tsai
7/19/2020
#8
使用 和 的解决方案。tidyrchop()unnest_wider()
library(tidyr)
df %>%
chop(-Name) %>%
unnest_wider(MedName, names_sep = "")
# # A tibble: 2 x 4
# Name MedName1 MedName2 MedName3
# <chr> <chr> <chr> <chr>
# 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA
这个论点是必要的;否则，新列名将为 、 和 。names_sep = ""..1..2..3
数据
df <- structure(list(Name = c("Name1", "Name1", "Name1", "Name2", "Name2"
), MedName = c("atenolol 25mg", "aspirin 81mg", "sildenafil 100mg",
"atenolol 50mg", "enalapril 20mg")), class = "data.frame", row.names = c(NA, -5L))
1赞
GKi
10/16/2022
#9
在 base 中，您可以使用或按名称拆分 MedName。然后将每个列表元素的长度设置为相同的长度和它们。splitunstacklengthrbind
. <- split(x$MedName, x$Name)
#. <- unstack(x[2:1]) #Alternative
do.call(rbind, lapply(., `length<-`, max(lengths(.))))
#do.call(rbind, lapply(., "[", 1:max(lengths(.)))) #Alternative
#t(sapply(., "[", 1:max(lengths(.)))) #Alternative
# [,1] [,2] [,3]
#Name1 "atenolol 25mg" "aspirin 81mg" "sildenafil 100mg"
#Name2 "atenolol 50mg" "enalapril 20mg" NA
请注意，结果是 .如果需要，请另外使用。matrixdata.frameas.data.frame.matrix
数据
x <- read.table(header=TRUE, text="
Name MedName
Name1 'atenolol 25mg'
Name1 'aspirin 81mg'
Name1 'sildenafil 100mg'
Name2 'atenolol 50mg'
Name2 'enalapril 20mg'")
基准
bench::mark(check=FALSE,
Jaap1 = dcast(setDT(y), Name ~ rowid(Name, prefix = "medication"), value.var = "MedName"),
Jaap2 = x %>% group_by(Name) %>% mutate(rn = paste0("medication",row_number())) %>% spread(rn, MedName),
mnel = {data_with_index <- ddply(x, .(Name), mutate, index = paste0('medication', 1:length(Name)))
dcast(setDT(data_with_index), Name ~ index, value.var = 'MedName') },
thelatemail = reshape(within(x, uniqid <- ave(as.character(Name), Name, FUN = seq_along)), idvar = "Name", timevar = "uniqid", direction = "wide"),
a5c1d2h2i1m1n2o1r2t1 = dcast.data.table(getanID(y, "Name"), Name ~ .id, value.var = "MedName"),
"Anthony Damico" = {. <- x[order(x[, "Name"]),]
.$time <- unlist( lapply( rle( as.character( .[ , "Name" ] ) )$lengths , seq_len ) )
reshape( . , idvar = "Name" , direction = 'wide' ) },
"Ric S" = x %>% group_by(Name) %>% mutate(row_n = row_number()) %>%
pivot_wider(id_cols = Name, names_from = row_n, values_from = MedName, names_glue = "medication{row_n}"),
"Darren Tsai" = x %>% chop(-Name) %>% unnest_wider(MedName, names_sep = ""),
moodymudskipper = x %>% group_by(Name) %>% do(as_tibble(t(unlist(.[2])))),
GKi = {. <- split(x$MedName, x$Name)
do.call(rbind, lapply(., "[", 1:max(lengths(.)))) },
GKi2 = {. <- split(x$MedName, x$Name)
do.call(rbind, lapply(., `length<-`, max(lengths(.))))}
)
结果
expression min median `itr/sec` mem_al…¹ gc/se…² n_itr n_gc
<bch:expr> <bch:tm> <bch:tm> <dbl> <bch:by> <dbl> <int> <dbl>
1 Jaap1 910.83µs 1.5ms 645. 274.5KB 8.32 310 4
2 Jaap2 9.64ms 11.53ms 86.9 16.5KB 9.15 38 4
3 mnel 4.69ms 5.91ms 164. 280.1KB 6.31 78 3
4 thelatemail 619.74µs 898.36µs 959. 0B 12.6 458 6
5 a5c1d2h2i1m1n2o1r2t1 1.36ms 2.18ms 426. 291.4KB 8.70 196 4
6 Anthony Damico 565.34µs 794.76µs 1123. 0B 12.5 537 6
7 Ric S 13.51ms 15.59ms 62.4 64.2KB 6.69 28 3
8 Darren Tsai 3.75ms 5.02ms 199. 22.7KB 8.54 93 4
9 moodymudskipper 12.88ms 15.88ms 63.5 26.5KB 6.81 28 3
10 GKi 31.58µs 35.73µs 21448. 0B 17.2 9992 8
11 GKi2 29.41µs 32.77µs 23717. 0B 16.6 9993 7
在这种情况下，GKi 的速度比第二个快 15 倍左右，并且属于没有分配额外内存的组。
上一个：将多个值列调整为宽格式
下一个：迁移 R 库
评论