将行转入具有每个测量 R 的计数值的列答案

【问题标题】：Pivot rows into columns with values of counts for each measurement R将行转入具有每个测量 R 的计数值的列
【发布时间】：2015-10-07 23:08:32
【问题描述】：

我有一个正在使用的示例数据框

ID <- c("A","A","A","A","A","A","A","A","A","A","A","A","B","B","B","B","B","B","B","B","B","B")
TARG_AVG <- c(2.1,2.1,2.1,2.1,2.1,2.1,2.3,2.3,2.5,2.5,2.5,2.5,3.1,3.1,3.1,3.1,3.3,3.3,3.3,3.3,3.5,3.5)
Measurement <- c("Len","Len","Len","Wid","Ht","Ht","Dep","Brt","Ht","Ht","Dep","Dep"
                 ,"Dep","Dep","Len","Len","Ht","Ht","Brt","Brt","Wid","Wid")
df1 <- data.frame(ID,TARG_AVG,Measurement)

我在这里尝试解决 3 个不同的问题

1) 我想了解 (ID & TARG_AVG) 分组有多少唯一测量值。我目前正在这样做

unique <- summaryBy(Measurement~ID+TARG_AVG, data=df1, FUN=function(x) { c(Count=length(x)) } )

这给了我总数（measurement.count），但我也想要每次测量的计数。 我想要的输出是

  ID TARG_AVG Len Wid Ht Dep Brt Measurement.Count
1  A      2.1   3   1  2   0   0                 6
2  A      2.3   0   0  0   1   1                 2
3  A      2.5   0   0  2   2   0                 4
4  B      3.1   2   0  0   2   0                 4
5  B      3.3   0   0  2   0   2                 4
6  B      3.5   0   2  0   0   0                 2

2) 获得上述输出后，我想对行进行子集化，以便获得过滤后的输出，该输出返回至少有 2 个测量计数 > 2 的行。这里 我想要的输出 将是

  ID TARG_AVG Len Wid Ht Dep Brt Measurement.Count
1  A      2.1   3   1  2   0   0                 6
3  A      2.5   0   0  2   2   0                 4
4  B      3.1   2   0  0   2   0                 4
5  B      3.3   0   0  2   0   2                 4

3) 最后，我想将列转回到只有测量值> 2 的行。 我想要的输出是

      ID TARG_AVG Measurement
    1  A      2.1   Len   
    2  A      2.1   Len   
    3  A      2.1   Len   
    4  A      2.1   Ht   
    5  A      2.1   Ht   
    6  A      2.5   Ht   
    7  A      2.5   Ht   
    8  A      2.5   Dep  
    9  A      2.5   Dep  
   10  B      3.1   Len  
   11  B      3.1   Len  
   12  B      3.1   Dep 
   13  B      3.1   Dep
   14  B      3.3   Ht 
   15  B      3.3   Ht 
   16  B      3.3   Brt 
   17  B      3.3   Brt

我目前正在学习 reshape2、dplyr 和 data.table 包，如果有人能通过为我指出正确的方向来帮助我解决这个问题，那将非常有用。

【问题讨论】：

标签： r data.table dplyr plyr reshape2

【解决方案1】：

最新解决方案

library(data.table) #v 1.9.6+
setDT(df1)[, indx := .N, by = names(df1)
           ][indx > 1, if(uniqueN(Measurement) > 1) .SD, by = .(ID, TARG_AVG)]
#     ID TARG_AVG Measurement indx
#  1:  A      2.1         Len    3
#  2:  A      2.1         Len    3
#  3:  A      2.1         Len    3
#  4:  A      2.1          Ht    2
#  5:  A      2.1          Ht    2
#  6:  A      2.5          Ht    2
#  7:  A      2.5          Ht    2
#  8:  A      2.5         Dep    2
#  9:  A      2.5         Dep    2
# 10:  B      3.1         Dep    2
# 11:  B      3.1         Dep    2
# 12:  B      3.1         Len    2
# 13:  B      3.1         Len    2
# 14:  B      3.3          Ht    2
# 15:  B      3.3          Ht    2
# 16:  B      3.3         Brt    2
# 17:  B      3.3         Brt    2

或dplyr 等效项

df1 %>%
  group_by(ID, TARG_AVG, Measurement) %>%
  filter(n() > 1) %>%
  group_by(ID, TARG_AVG) %>%
  filter(n_distinct(Measurement) > 1)

旧的解决方案

library(data.table)
## dcast the data (no need in total)
res <- dcast(df1, ID + TARG_AVG  ~ Measurement)
## filter by at least 2 incidents of at least length 2
res <- res[rowSums(res[-(1:2)] > 1) > 1,]
## melt the data back and filter again by at least 2 incidents
res <- melt(setDT(res), id = 1:2)[value > 1]
## Expand the data back
res[, .SD[rep(.I, value)]]

原问题的解决方案

这是使用reshape2的可能解决方案

第一步

library(reshape2)
res <- dcast(df1, ID + TARG_AVG  ~ Measurement, margins = "Measurement")

第二步

res <- res[res$"(all)" > 2,]

3d 步骤

library(data.table)
setDT(df1)[, if(.N > 2) .SD, by = .(ID, TARG_AVG)]

【讨论】：

感谢您的解决方案，但我想指出的一件事是，我真的没有按 (>2) 过滤总计。我真的想根据测量值过滤数据集（即：只有当这些测量值中有 2 个高于 2 时，我才想包含该行。例如，如果总数为 5 并且测量值的组合为 3+1+1，则我不想包含该行，因为只有一个测量值高于 2。请检查一下吗？
我上面的 df1 示例在这里可能不是最好的，因为过滤器可以应用于总计而不是测量。很抱歉提供了这样的例子。
@Sharath 第二部分我有which(res[, c(3:7)] >= 2, arr.ind = TRUE) -> ind; res[unique(ind[,1]),] %>% arrange(ID, TARG_AVG) 。我想知道这是不是你的意思。
我添加了另一个解决方案，也试试吧。
哇，大卫。它在我的大型数据集上运行良好，而且速度也非常快。这是一些了不起的东西。非常感谢您的耐心和帮助。

【解决方案2】：

在这种情况下，您不需要 tidyr。你只需要dplyr:

df2 <- df1 %>%
  group_by(ID, TARG_AVG) %>% # Group by ID and TARG_AVG
  mutate(count=n()) %>%      # Count how many are there for each combination of ID and TARG_AVG
  filter(count > 2) %>%      # Only keep the ones with more than 2 (I think you meant > 2)
  select(-count)             # Remove the auxiliary variable count
df2

一个较短（虽然不太容易理解）的版本是：

df2 <- df1 %>%
  group_by(ID, TARG_AVG) %>%
  filter(n() > 2)
df2

在这种情况下，我直接使用了n() 函数，而不是生成辅助count 变量。

编辑：如果你真的想要 dplyr 和 tidyr 的所有三个步骤，你可以这样做：

ID <- c("A","A","A","A","A","A","A","A","A","A","A","A","B","B","B","B","B","B","B","B","B","B")
TARG_AVG <- c(2.1,2.1,2.1,2.1,2.1,2.1,2.3,2.3,2.5,2.5,2.5,2.5,3.1,3.1,3.1,3.1,3.3,3.3,3.3,3.3,3.5,3.5)
Measurement <- c("Len","Len","Len","Wid","Ht","Ht","Dep","Brt","Ht","Ht","Dep","Dep"
                 ,"Dep","Dep","Len","Len","Ht","Ht","Brt","Brt","Wid","Wid")
df0 <- data.frame(ID,TARG_AVG,Measurement)

第 1 步和第 2 步。汇总、计数、按测量次数过滤并展开

df1 <- df0 %>%
  group_by(ID, TARG_AVG, Measurement) %>%
  summarise(count=n()) %>%
  group_by(ID, TARG_AVG) %>% # Step "2"
  filter(n() >= 2) %>%       # Step "2"
  spread(Measurement, count, fill = 0) %>% # Resume step "1"
  mutate(Measurement.count = Len + Wid + Ht + Dep + Brt)
df1

第 3 步。再次重塑

df3 <- df2 %>%
  select(-Measurement.count) %>%
  gather(Measurement, dummy, Brt:Wid) %>%
  select(-dummy)
df3

【讨论】：

这样直接解决了第三个问题。如果你想要中间步骤，那么你必须坚持你所拥有的或使用dplyr 和tidyr 复制它^^
但是有人已经这样做了 u.u 如果你真的想要使用dplyr 和tidyr 的版本，我可以发布它。 reshape 和 reshape2 已成为过去！
费利佩。您能否发布 dplyr 和 tidyr 的解决方案？请确保您根据测量值而不是总数应用过滤器。我希望过滤器返回至少 2 个测量值 >= 2 而不是总数 >2 的行。请检查一下。
然后我建议在步骤 1 中进行过滤。问题是您必须明确写出要检查测量的变量，而不是简单地以不同的方式分组。跨度>
我的荣幸！ Hadleys 的新包装非常快，不是吗？ ^^

【解决方案3】：

这是一个可能更快的 data.table 解决方案。我发现与将任务分成两个步骤相比，在 j 中使用 by 进行子集可能会有点慢：[1] 添加可用于过滤的额外列（在此处执行 by），[2] 执行一次性过滤（不带 by）：

> cTbl[, N := .N, .(ID, TARG_AVG, Measurement)
      ][N > 1, NMgt1 := uniqueN(Measurement) > 1, .(ID, TARG_AVG)
      ][N > 1 & NMgt1
      ][, c('N', 'NMgt1') := NULL
      ][]



    ID TARG_AVG Measurement
 1:  A      2.1         Len
 2:  A      2.1         Len
 3:  A      2.1         Len
 4:  A      2.1          Ht
 5:  A      2.1          Ht
 6:  A      2.5          Ht
 7:  A      2.5          Ht
 8:  A      2.5         Dep
 9:  A      2.5         Dep
10:  B      3.1         Dep
11:  B      3.1         Dep
12:  B      3.1         Len
13:  B      3.1         Len
14:  B      3.3          Ht
15:  B      3.3          Ht
16:  B      3.3         Brt
17:  B      3.3         Brt
>

【讨论】：