具有选定列的长到宽数据框

Question

我需要帮助来解决我遇到的这种转换问题。

我有一个很长的数据框，其中包含模拟数据（即 10k 次模拟）以及其他特征。

我想将这个长数据帧转换为宽数据帧但是希望每个模拟在单独的行中。

我尝试了默认的长到宽转换方法，但它们使每个模拟成为一个新功能（但我希望每个模拟在一个新行中）

虚拟数据集：

name1 <- c('frame1','frame1','frame1','frame1','frame1','frame1','frame1','frame1','frmae1','frame1',
           'frame2','frame2','frame2','frame2','frame2','frame2','frame2','frame2','frmae2','frame2')

name2 <- c('arch','conf','f.time.c','f.rev.c','sim1.f','sim1.val','sim2.f','¨sim2.val','sim3.f','sim3-val',
           'arch','conf','f.time.c','f.rev.c','sim1.f','sim1.val','sim2.f','¨sim2.val','sim3.f','sim3.val')
value <- c('x86','cust','100','20','-a -b -c=10','150','-d -e=1 -f -z -x','40','-r -e -f -r','89',
           'x24','default','500','2','-a1 -b34 -c=12','99','-a -e','100','-e -z ','120')

df = data.frame(name1,name2,value)

数据集如下所示：

   name1     name2            value
1  frame1      arch              x86
2  frame1      conf             cust
3  frame1  f.time.c              100
4  frame1   f.rev.c               20
5  frame1    sim1.f      -a -b -c=10
6  frame1  sim1.val              150
7  frame1    sim2.f -d -e=1 -f -z -x
8  frame1  sim2.val               40
9  frmae1    sim3.f      -r -e -f -r
10 frame1  sim3.val               89
-------------- Simulation for frame 1 end here
11 frame2      arch              x24
12 frame2      conf          default
13 frame2  f.time.c              500
14 frame2   f.rev.c                2
15 frame2    sim1.f   -a1 -b34 -c=12
16 frame2  sim1.val               99
17 frame2    sim2.f            -a -e
18 frame2  sim2.val              100
19 frmae2    sim3.f             -e -z 
20 frame2  sim3.val              120

我想将它转换为这样的数据框：（不同 sim 的重复特征）

   frame arch    conf f.time.c f.rev.c sim_number            sim.f vale
1 frame1  x86    cust      100      20       sim1      -a -b -c=10  150
2 frame1  x86    cust      100      20       sim2 -d -e=1 -f -z -x   40
3 frame1  x86    cust      100      20       sim3      -r -e -f -r   89
4 frame2  x24 default      500       2       sim1   -a1 -b34 -c=12   99
5 frame2  x24 default      500       2       sim2            -a -e  100
6 frame2  x24 default      500       2       sim3            -e -z  120

Answer 1

您可以结合使用 data.table 的 dcast 和 melt 函数。

1. 根据整个name2 列转换为宽格式，其值基于value 列。
2. 使用以sim 开头的列（例如sim1.f 和sim1.val）恢复为更长的格式

library(data.table)

## cast to wide format
df_wide <- dcast(setDT(df), name1 ~ name2, value.var = "value")

## melt back a selection of columns
melt(df_wide, 
    measure.vars = patterns("\\.f$", "\\.val$"), 
    variable.name = "sim_number",
    value.name = c("sim.f", "value")
)
#>     name1 arch    conf f.rev.c f.time.c sim_number            sim.f value
#> 1: frame1  x86    cust      20      100          1      -a -b -c=10   150
#> 2: frame2  x24 default       2      500          1   -a1 -b34 -c=12    99
#> 3: frame1  x86    cust      20      100          2 -d -e=1 -f -z -x    40
#> 4: frame2  x24 default       2      500          2            -a -e   100
#> 5: frame1  x86    cust      20      100          3      -r -e -f -r    89
#> 6: frame2  x24 default       2      500          3           -e -z    120

数据

df <- structure(list(name1 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("frame1", 
"frame2"), class = "factor"), name2 = structure(c(1L, 2L, 4L, 
3L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 2L, 4L, 3L, 5L, 6L, 7L, 8L, 
9L, 10L), .Label = c("arch", "conf", "f.rev.c", "f.time.c", "sim1.f", 
"sim1.val", "sim2.f", "sim2.val", "sim3.f", "sim3.val"), class = "factor"), 
    value = structure(c(19L, 16L, 7L, 11L, 1L, 9L, 4L, 12L, 6L, 
    14L, 18L, 17L, 13L, 10L, 3L, 15L, 2L, 7L, 5L, 8L), .Label = c("-a -b -c=10", 
    "-a -e", "-a1 -b34 -c=12", "-d -e=1 -f -z -x", "-e -z ", 
    "-r -e -f -r", "100", "120", "150", "2", "20", "40", "500", 
    "89", "99", "cust", "default", "x24", "x86"), class = "factor")), class = "data.frame", row.names = c(NA, 
-20L))

注意：我将原始数据中的“¨sim2.val”替换为“sim2.val”，将“frmae2”和“frmae1”分别替换为“frame2”和“frame1”。

Answer 2

一种可能的（但不是真正精益的）tidyverse 方法：

library(tidyverse)

df %>%
  mutate(
    name1 = gsub("frmae", "frame", name1),
    sim_number = gsub("^.*(sim\\d+).*", "\\1", name2),
    name2 = gsub("^sim.*f$", "sim.f", name2),
    name2 = gsub("^.*sim\\d+.*val$", "sim.val", name2)
  ) %>%
  spread(name2, value) %>%
  group_by(name1) %>%
  fill(names(.)) %>% fill(names(.), .direction = 'up') %>%
  filter(grepl("sim", sim_number))

给予：

# A tibble: 6 x 8
# Groups:   name1 [2]
  name1  sim_number arch  conf    f.rev.c f.time.c sim.f            sim.val
  <chr>  <chr>      <fct> <fct>   <fct>   <fct>    <fct>            <fct>  
1 frame1 sim1       x86   cust    20      100      -a -b -c=10      150    
2 frame1 sim2       x86   cust    20      100      -d -e=1 -f -z -x 40     
3 frame1 sim3       x86   cust    20      100      -r -e -f -r      89     
4 frame2 sim1       x24   default 2       500      -a1 -b34 -c=12   99     
5 frame2 sim2       x24   default 2       500      -a -e            100    
6 frame2 sim3       x24   default 2       500      "-e -z "         120