从 R 中的现有数据框中提取数据（或重塑）数据框答案

【问题标题】：Extracting data (or reshaping) a data frame from an existing data frame in R从 R 中的现有数据框中提取数据（或重塑）数据框
【发布时间】：2011-12-05 15:44:02
【问题描述】：

我有一个正在使用的大型数据框，前几行如下：

      Assay   Genotype   Sample    Result
1     001        G         1         0
2     001        A         2         1
3     001        G         3         0 
4     001        NA        4         NA
5     002        T         1         0
6     002        G         2         1
7     002        T         3         0 
8     002        T         4         0
9     003        NA        1         N
10    003        G         2         1
11    003        G         3         1 
12    003        T         4         0

我总共将处理 2000 个样本和每个样本的 168 个检测。对于每个样本，我想为每个样本提取“结果”中的数据，以创建如下所示的列表或数据框：

Sample  Data
   1    00N
   2    111
   3    001
   4    N00

因此，生成的数据帧（或类似的首选数据结构）将是 2000 行和 2 列。 'Data' 行将包含 168 个字符，每个字符对应于每个 'Assay'。

有人可以帮我解决这个问题吗？

【问题讨论】：

第 4 行有轻微的错字吗？应该改为 NA00 吗？
我实际上更喜欢将最终字符串的“NA”缩短为 N。如果它更容易，我可以忍受它。
一个简单的答案是gsub("NA", "N", yourData)
@Chase 当我在我的数据帧上运行 gsub 时，我得到了我不知道如何使用的数据格式。在 cmets 中发布这里太长了，但它似乎将我的数据框分成了两个不同的字符列表。你能告诉我如何维护我的数据框结构并仍然进行这些更改吗？
查看我编辑的答案，结合@Brian 的观点和上面关于 gsub 的一点。干杯。

标签： r dataframe

【解决方案1】：

使用包plyr 和基本函数paste 的一种方法：

library(plyr)
ddply(dat, "Sample", summarize, Data = paste(Result, collapse = ""))

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

编辑以解决问题

我能想到的将 NA 更改为 N 的最简单方法可能是在 ddply 的结果上使用 gsub。请注意，我大量借用了@Brian re 提供的非常好的观点：订购。这样做，这是一个很好的提示！

out <- ddply(dat, "Sample", summarize, Data = paste(Result[order(Assay)], collapse = ""))

然后使用gsub

out$Data <- gsub("NA", "N", out$Data)

瞧：

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4  N00

【讨论】：

【解决方案2】：

使用split 和sapply 的基础R 解决方案：

sapply(split(dat$Result, dat$Sample), paste, collapse="")

     1      2      3      4 
 "00N"  "111"  "001" "NA00"

【讨论】：

【解决方案3】：

请注意，@Chase 和@Andrie 都假设数据已经按分析排序（您的示例是这样，所以不是一个不合理的假设）。如果不是，您仍然可以按正确的顺序获取字符串。

适应@Chase 的解决方案

library(plyr)
ddply(dat, "Sample", summarize, 
  Data = paste(Result[order(Assay)], collapse = ""))

给予

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

如果我们使用未排序的数据：

dat.scramble <- dat[sample(nrow(dat)),]

> dat.scramble
   Assay Genotype Sample Result
6    002        G      2      1
1    001        G      1      0
3    001        G      3      0
7    002        T      3      0
10   003        G      2      1
8    002        T      4      0
12   003        T      4      0
5    002        T      1      0
2    001        A      2      1
4    001       NA      4     NA
9    003       NA      1      N
11   003        G      3      1

我们仍然得到相同的结果

ddply(dat.scramble, "Sample", summarize, 
  Data = paste(Result[order(Assay)], collapse = ""))

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

【讨论】：