web-dev-qa-db-ja.com

複数の値の列を使用してワイドからロングに整形する

幅の広いテーブルを長い形式に変更する必要がありますが、レコードごとに複数のフィールドを保持します。次に例を示します。

dw <- read.table(header=T, text='
 sbj f1.avg f1.sd f2.avg f2.sd  blabla
   A   10    6     50     10      bA
   B   12    5     70     11      bB
   C   20    7     20     8       bC
   D   22    8     22     9       bD
 ')

# Now I want to melt this table, keeping both AVG and SD as separate fields for each measurement, to get something like this:

 #    sbj var avg  sd  blabla
 #     A   f1  10  6     bA
 #     A   f2  50  10    bA
 #     B   f1  12  5     bB
 #     B   f2  70  11    bB
 #     C   f1  20  7     bC
 #     C   f2  20  8     bC
 #     D   f1  22  8     bD
 #     D   f2  22  9     bD

meltとreshapeの使用に関する基本的な知識はありますが、私の場合、そのような再整形をどのように適用するかは明らかではありません。ヒントがあれば感謝するか、別のSOの投稿に似たものが既に求められている場合は指摘してください。

rreshapereshape2melt
26
Vasily A

reshapeは、適切な引数を使用してこれを行います。

varyingは、ワイド形式で存在する列をリストしますが、ロング形式では複数の行に分割されます。 v.namesは、同等の長い形式です。 2つの間で、マッピングが作成されます。

?reshapeから：

また、v.namesが明示的に指定されている場合、推測は試行されません。変化する変数の順序はx.1、y.1、x.2、y.2のようなものであることに注意してください。

これらのvaryingおよびv.names引数を考えると、reshapeは、ここでインデックスがドットの前にあることを指定したことを確認するのに十分スマートです（つまり、順序1.x、1.y、2.x、2.y） 。元のデータはこの順序で列を持っているため、このサンプルデータにvarying=2:5を指定できますが、一般的には安全ではありません。

timesおよびv.namesの値を指定すると、reshapeは.文字（デフォルトのvarying引数）でsep列を分割し、出力に列を作成します。

timesは、作成されたvar列で使用される値を指定し、v.namesがこれらの値に貼り付けられ、結果にマッピングするためのワイド形式の列名を取得します。

最後に、idvarがsbj列として指定され、ワイド形式の個々のレコードを識別します（@thelatemailに感謝）。

reshape(dw, direction='long', 
        varying=c('f1.avg', 'f1.sd', 'f2.avg', 'f2.sd'), 
        timevar='var',
        times=c('f1', 'f2'),
        v.names=c('avg', 'sd'),
        idvar='sbj')

##      sbj blabla var avg sd
## A.f1   A     bA  f1  10  6
## B.f1   B     bB  f1  12  5
## C.f1   C     bC  f1  20  7
## D.f1   D     bD  f1  22  8
## A.f2   A     bA  f2  50 10
## B.f2   B     bB  f2  70 11
## C.f2   C     bC  f2  20  8
## D.f2   D     bD  f2  22  9
25
Matthew Lundberg

Hadleyの新しいtidyrパッケージを使用する別のオプション。

library(tidyr)
library(dplyr)

dw <- read.table(header=T, text='
 sbj f1.avg f1.sd f2.avg f2.sd  blabla
   A   10    6     50     10      bA
   B   12    5     70     11      bB
   C   20    7     20     8       bC
   D   22    8     22     9       bD
 ')

dw %>% 
  gather(v, value, f1.avg:f2.sd) %>% 
  separate(v, c("var", "col")) %>% 
  arrange(sbj) %>% 
  spread(col, value)
26
Maiasaura

これは、fがtimeの要素から削除されることを除いて、あなたが望むことをするようです。

reshape(dw, idvar = "sbj", varying = list(c(2,4),c(3,5)), v.names = c("ave", "sd"), direction = "long")

    sbj blabla time ave sd
A.1   A     bA    1  10  6
B.1   B     bB    1  12  5
C.1   C     bC    1  20  7
D.1   D     bD    1  22  8
A.2   A     bA    2  50 10
B.2   B     bB    2  70 11
C.2   C     bC    2  20  8
D.2   D     bD    2  22  9
7
Mark Miller

data.tableの> = 1.9.6バージョンのmeltは、measure.varsの列インデックスをlistとして指定することでこれを行います。

 melt(setDT(dw), measure.vars=list(c(2,4), c(3,5)), 
     variable.name='var', value.name=c('avg', 'sd'))[, 
      var:= paste0('f',var)][order(sbj)]
#   sbj blabla var avg sd
#1:   A     bA  f1  10  6
#2:   A     bA  f2  50 10
#3:   B     bB  f1  12  5
#4:   B     bB  f2  70 11
#5:   C     bC  f1  20  7
#6:   C     bC  f2  20  8
#7:   D     bD  f1  22  8
#8:   D     bD  f2  22  9

または、新しいpatterns関数を使用できます。

melt(setDT(dw), 
     measure = patterns("avg", "sd"),
     variable.name = 'var', value.name = c('avg', 'sd'))
#    sbj blabla var avg sd
# 1:   A     bA   1  10  6
# 2:   B     bB   1  12  5
# 3:   C     bC   1  20  7
# 4:   D     bD   1  22  8
# 5:   A     bA   2  50 10
# 6:   B     bB   2  70 11
# 7:   C     bC   2  20  8
# 8:   D     bD   2  22  9
7
akrun

ここで利用できるオプションに追加するには、「splitstackshape」パッケージのmerged.stackを考慮することもできます。

library(splitstackshape)
merged.stack(dw, var.stubs = c("avg", "sd"), sep = "var.stubs", atStart = FALSE)
#    sbj blabla .time_1 avg sd
# 1:   A     bA     f1.  10  6
# 2:   A     bA     f2.  50 10
# 3:   B     bB     f1.  12  5
# 4:   B     bB     f2.  70 11
# 5:   C     bC     f1.  20  7
# 6:   C     bC     f2.  20  8
# 7:   D     bD     f1.  22  8
# 8:   D     bD     f2.  22  9

このように、".time_1"変数をもう少しクリーンアップすることもできます。

merged.stack(dw, var.stubs = c("avg", "sd"), 
             sep = "var.stubs", atStart = FALSE)[, .time_1 := sub(
               ".", "", .time_1, fixed = TRUE)][]
#    sbj blabla .time_1 avg sd
# 1:   A     bA      f1  10  6
# 2:   A     bA      f2  50 10
# 3:   B     bB      f1  12  5
# 4:   B     bB      f2  70 11
# 5:   C     bC      f1  20  7
# 6:   C     bC      f2  20  8
# 7:   D     bD      f1  22  8
# 8:   D     bD      f2  22  9

atStart = FALSE引数の使用に注意してください。これは、名前が、リシェイプ関連の関数が好むと思われる順序とは少し異なるためです。一般に、次のように、「スタブ」が最初に来て、次に「時間」が来ると予想されます。

dw2 <- dw
setnames(dw2, gsub("(.*)\\.(.*)", "\\2.\\1", names(dw2)))
names(dw2)
# [1] "sbj"    "avg.f1" "sd.f1"  "avg.f2" "sd.f2"  "blabla"

名前がその形式であった場合、ベースRのreshapeとmerged.stackの両方がより直接的な構文の恩恵を受けます。

merged.stack(dw2, var.stubs = c("avg", "sd"), sep = ".")
reshape(dw2, idvar = c("sbj", "blabla"), varying = 2:5, 
        sep = ".", direction = "long")
6
A5C1D2H2I1M1N2O1R2T1