r - 使用多个度量列将数据从长格式转换为宽格式

Question

当我想要携带多个度量变量时，我无法找出将数据从长格式切换到宽格式的最优雅和最灵活的方法。

例如，这是一个长格式的简单数据框。 ID 是主体，TIME 是时间变量，X 和 Y 是 ID 在 TIME 处的测量值:

> my.df <- data.frame(ID=rep(c("A","B","C"), 5), TIME=rep(1:5, each=3), X=1:15, Y=16:30)
> my.df

   ID TIME  X  Y
1   A    1  1 16
2   B    1  2 17
3   C    1  3 18
4   A    2  4 19
5   B    2  5 20
6   C    2  6 21
7   A    3  7 22
8   B    3  8 23
9   C    3  9 24
10  A    4 10 25
11  B    4 11 26
12  C    4 12 27
13  A    5 13 28
14  B    5 14 29
15  C    5 15 30

如果我只想将 TIME 的值转换为包含 include X 的列标题，我知道我可以使用 cast() 包中的 reshape (或 dcast() 中的 0x1045 )6:

> cast(my.df, ID ~ TIME, value="X")
  ID 1 2 3  4  5
1  A 1 4 7 10 13
2  B 2 5 8 11 14
3  C 3 6 9 12 15

但我真正想做的是将 reshape2 作为另一个度量变量，并让列名同时反射(reflect)度量变量名称和时间值:

  ID X_1 X_2 X_3  X_4 X_5 Y_1 Y_2 Y_3 Y_4 Y_5
1  A   1   4   7   10  13  16  19  22  25  28
2  B   2   5   8   11  14  17  20  23  26  29
3  C   3   6   9   12  15  18  21  24  27  30

(FWIW，我真的不在乎所有 Y 是否首先跟在 X 之后，或者它们是否交错为 Y 、 X_1 、 Y_1 、4,567914 10

我可以通过两次转换长数据并合并结果来接近这一点，尽管列名需要一些工作，如果除了 X_2 和 Y_2 之外我还需要添加第三个或第四个变量，我需要调整它:

merge(
cast(my.df, ID ~ TIME, value="X"),
cast(my.df, ID ~ TIME, value="Y"),
by="ID", suffixes=c("_X","_Y")
)

似乎 X 和/或 Y 中的一些函数组合应该能够比我的尝试更优雅地做到这一点，以及更干净地处理多个度量变量。类似 reshape2 的东西，这是无效的。但我一直无法弄清楚。

Answer 1

为了处理您想要的多个变量，您需要melt您在转换之前拥有的数据。

library("reshape2")

dcast(melt(my.df, id.vars=c("ID", "TIME")), ID~variable+TIME)

这使

  ID X_1 X_2 X_3 X_4 X_5 Y_1 Y_2 Y_3 Y_4 Y_5
1  A   1   4   7  10  13  16  19  22  25  28
2  B   2   5   8  11  14  17  20  23  26  29
3  C   3   6   9  12  15  18  21  24  27  30

根据评论编辑:

数据框

num.id = 10 
num.time=10 
my.df <- data.frame(ID=rep(LETTERS[1:num.id], num.time), 
                    TIME=rep(1:num.time, each=num.id), 
                    X=1:(num.id*num.time), 
                    Y=(num.id*num.time)+1:(2*length(1:(num.id*num.time))))

给出不同的结果(所有条目都是 2)，因为 ID/TIME组合并不表示唯一的行。实际上，有两行，每行 ID/TIME组合。 reshape2假设变量的每个可能组合都有一个值，并且如果有多个条目，将应用汇总函数来创建单个变量。这就是为什么有警告

Aggregation function missing: defaulting to length

如果您添加另一个破坏冗余的变量，您可以获得一些有效的东西。

my.df$cycle <- rep(1:2, each=num.id*num.time)
dcast(melt(my.df, id.vars=c("cycle", "ID", "TIME")), cycle+ID~variable+TIME)

这是有效的，因为 cycle/ID/time现在唯一地定义了 my.df 中的一行.