使用现有列中的值创建新的数据框列答案

【问题标题】：Create new dataframe columns using values in an existing column使用现有列中的值创建新的数据框列
【发布时间】：2018-06-07 22:11:21
【问题描述】：

我遇到了一个困难的数据框问题，我试图从现有的数据框创建新的列/列名/列值，但该数据框的格式不是我想要的那样。数据同时包含 4 个不同玩家的 playerID 和 playerTypes，如下所示：

dput(my.player.data)
structure(list(p_id = c(8470828L, 8478460L, 8470966L, 8475314L, 
8476472L, 8476917L, 8475791L, 8470105L, 8476905L, 8474152L, 8470642L, 
8479325L, 8475218L, 8471296L, 8476874L, 8477943L, 8477934L, 8473432L
), pType = c("Blocker", "Shooter", "Blocker", "Shooter", "Blocker", 
"Hitter", "Blocker", "Shooter", "PlayerID", "PlayerID", "Shooter", 
"Hitter", "PlayerID", "Blocker", "Shooter", "Scorer", "Scorer", 
"Scorer"), p_id1 = c(8475172L, 8470645L, 8474162L, NA, 8480172L, 
8477989L, 8476879L, NA, NA, NA, NA, 8474683L, NA, 8476851L, 8469514L, 
8477407L, 8478402L, 8474091L), pType1 = c("Shooter", "Goalie", 
"Shooter", NA, "Shooter", "Hittee", "Shooter", NA, NA, NA, NA, 
"Hittee", NA, "Shooter", "Goalie", "Assist", "Assist", "Assist"
), p_id2 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, 8475246L, 8471729L, 8477018L), pType2 = c(NA, NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "Assist", 
"Assist", "Assist"), p_id3 = c(NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA, NA, NA, 8475622L, 8471239L, 8469608L), pType3 = c(NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "Goalie", 
"Goalie", "Goalie")), .Names = c("p_id", "pType", "p_id1", "pType1", 
"p_id2", "pType2", "p_id3", "pType3"), row.names = c(1L, 5001L, 
10001L, 15001L, 20001L, 25001L, 30001L, 35001L, 40001L, 45001L, 
50001L, 55001L, 60001L, 65001L, 70001L, 47329L, 46786L, 45551L
), class = "data.frame")

# ignore that the row numbers are 1, 5000, 10000, etc.

head(my.player.data)
         p_id   pType   p_id1  pType1 p_id2 pType2 p_id3 pType3
1     8470828 Blocker 8475172 Shooter    NA   <NA>    NA   <NA>
5001  8478460 Shooter 8470645  Goalie    NA   <NA>    NA   <NA>
10001 8470966 Blocker 8474162 Shooter    NA   <NA>    NA   <NA>
15001 8475314 Shooter      NA    <NA>    NA   <NA>    NA   <NA>
20001 8476472 Blocker 8480172 Shooter    NA   <NA>    NA   <NA>
25001 8476917  Hitter 8477989  Hittee    NA   <NA>    NA   <NA>

在我的 4 个 pType 列（Blocker、Shooter、Goalie 等）中，我的数据中只有固定数量的 pType，我想为每一个列创建一个列，列中的值等于相应的 playerID。

例如，我想要这样的东西：

head(better.player.data)
      Blocker  Shooter  Hittee  Hitter  Assist1  Assist2  Scorer  Goalie 
1     8470828  8475172      NA      NA       NA       NA      NA      NA   
5001       NA  8478460      NA      NA       NA       NA      NA 8470645
10001 8470966  8474162      NA      NA       NA       NA      NA      NA  
15001      NA  8475314      NA      NA       NA       NA      NA      NA 
20001 8476472  8480172      NA      NA       NA       NA      NA      NA 
25001      NA       NA 8477989 8476917       NA       NA      NA      NA

这里的主要边缘情况是 Assist1 和 Assist2 在 my.player.data 数据帧中都被标记为 Assist（请参阅最后 3 行，在 head() 中未显示）。我希望 p_id1 为 Assist1，p_id2 为 Assist2（pType1 和 pType2 应该是原始数据中唯一的 2 列，其中值为 Assist（不应在 pType 或 pType3 中）

对此的任何帮助，一如既往，非常感谢！谢谢！

【问题讨论】：

我正在研究一个使用 reshape2::dcast 的解决方案 - 希望很快就会发布一些内容
dcast 不像我希望的那样简单......
你真的需要PlayerID这样的专栏吗？我不认为，PlayerID 的存在虽然很有意义。

标签： r dplyr data-manipulation

【解决方案1】：

使用tidyverse 可以实现一个解决方案。这个想法是将gather 转换为长格式，rowname 具有匹配的pType 和p_id 列。首先根据与p_id 和pType 列关联的数字创建一个组。执行修改以将Assist 转换为Assist1 和Assist2。最后，调用 spread 以将数据转换为所需格式。

library(tidyverse)


my.player.data %>% rownames_to_column %>%
  mutate(rowname = as.numeric(rowname)) %>%
  gather(Key, Value, -rowname) %>%
  filter(!is.na(Value)) %>%
  mutate(Group = as.integer(gsub("(p_id|pType)","0",Key))) %>%
  mutate(Value = ifelse(Value == "Assist", paste0(Value, Group), Value)) %>%
  mutate(Key =  gsub("\\d","",Key)) %>% #Remove number from p_id and pType columns
  spread(Key, Value) %>% 
  select(-Group) %>% 
  spread(pType, p_id) %>% 
  remove_rownames() %>% 
  column_to_rownames()

#       Assist1 Assist2 Blocker  Goalie  Hittee  Hitter PlayerID  Scorer Shooter
# 1        <NA>    <NA> 8470828    <NA>    <NA>    <NA>     <NA>    <NA> 8475172
# 5001     <NA>    <NA>    <NA> 8470645    <NA>    <NA>     <NA>    <NA> 8478460
# 10001    <NA>    <NA> 8470966    <NA>    <NA>    <NA>     <NA>    <NA> 8474162
# 15001    <NA>    <NA>    <NA>    <NA>    <NA>    <NA>     <NA>    <NA> 8475314
# 20001    <NA>    <NA> 8476472    <NA>    <NA>    <NA>     <NA>    <NA> 8480172
# 25001    <NA>    <NA>    <NA>    <NA> 8477989 8476917     <NA>    <NA>    <NA>
# 30001    <NA>    <NA> 8475791    <NA>    <NA>    <NA>     <NA>    <NA> 8476879
# 35001    <NA>    <NA>    <NA>    <NA>    <NA>    <NA>     <NA>    <NA> 8470105
# 40001    <NA>    <NA>    <NA>    <NA>    <NA>    <NA>  8476905    <NA>    <NA>
# 45001    <NA>    <NA>    <NA>    <NA>    <NA>    <NA>  8474152    <NA>    <NA>
# 45551 8474091 8477018    <NA> 8469608    <NA>    <NA>     <NA> 8473432    <NA>
# 46786 8478402 8471729    <NA> 8471239    <NA>    <NA>     <NA> 8477934    <NA>
# 47329 8477407 8475246    <NA> 8475622    <NA>    <NA>     <NA> 8477943    <NA>
# 50001    <NA>    <NA>    <NA>    <NA>    <NA>    <NA>     <NA>    <NA> 8470642
# 55001    <NA>    <NA>    <NA>    <NA> 8474683 8479325     <NA>    <NA>    <NA>
# 60001    <NA>    <NA>    <NA>    <NA>    <NA>    <NA>  8475218    <NA>    <NA>
# 65001    <NA>    <NA> 8471296    <NA>    <NA>    <NA>     <NA>    <NA> 8476851
# 70001    <NA>    <NA>    <NA> 8469514    <NA>    <NA>     <NA>    <NA> 8476874

【讨论】：

【解决方案2】：

library(data.table)
dcast(na.omit(
             melt(setDT(df)[,id:=1:nrow(df)],"id",list(grep("p_id",names(df)),grep("pType",names(df))))
             ),
        id~value2,value.var = "value1")


    id Assist1 Assist2 Blocker  Goalie  Hittee  Hitter PlayerID  Scorer Shooter
 1:  1      NA      NA 8470828      NA      NA      NA       NA      NA 8475172
 2:  2      NA      NA      NA 8470645      NA      NA       NA      NA 8478460
 3:  3      NA      NA 8470966      NA      NA      NA       NA      NA 8474162
 4:  4      NA      NA      NA      NA      NA      NA       NA      NA 8475314
 5:  5      NA      NA 8476472      NA      NA      NA       NA      NA 8480172
 6:  6      NA      NA      NA      NA 8477989 8476917       NA      NA      NA
 7:  7      NA      NA 8475791      NA      NA      NA       NA      NA 8476879
 8:  8      NA      NA      NA      NA      NA      NA       NA      NA 8470105
 9:  9      NA      NA      NA      NA      NA      NA  8476905      NA      NA
10: 10      NA      NA      NA      NA      NA      NA  8474152      NA      NA
11: 11      NA      NA      NA      NA      NA      NA       NA      NA 8470642
12: 12      NA      NA      NA      NA 8474683 8479325       NA      NA      NA
13: 13      NA      NA      NA      NA      NA      NA  8475218      NA      NA
14: 14      NA      NA 8471296      NA      NA      NA       NA      NA 8476851
15: 15      NA      NA      NA 8469514      NA      NA       NA      NA 8476874
16: 16 8477407 8475246      NA 8475622      NA      NA       NA 8477943      NA
17: 17 8478402 8471729      NA 8471239      NA      NA       NA 8477934      NA
18: 18 8474091 8477018      NA 8469608      NA      NA       NA 8473432      NA

如果你想要一个基本的 R 方法：你可以这样做：

 as.data.frame.matrix(
      xtabs(p_id~id+pType,
        reshape(transform(df,pType1 =sub("(Assist)","\\11",pType1),pType2 = sub("(Assist)","\\12",pType2), id=1:nrow(df)),matrix(1:(ncol(a)-1),2),dir="long")),
                  row.names(df))


      Assist1 Assist2 Blocker  Goalie  Hittee  Hitter PlayerID  Scorer Shooter
1           0       0 8470828       0       0       0        0       0 8475172
5001        0       0       0 8470645       0       0        0       0 8478460
10001       0       0 8470966       0       0       0        0       0 8474162
15001       0       0       0       0       0       0        0       0 8475314
20001       0       0 8476472       0       0       0        0       0 8480172
25001       0       0       0       0 8477989 8476917        0       0       0
30001       0       0 8475791       0       0       0        0       0 8476879
35001       0       0       0       0       0       0        0       0 8470105
40001       0       0       0       0       0       0  8476905       0       0
45001       0       0       0       0       0       0  8474152       0       0
50001       0       0       0       0       0       0        0       0 8470642
55001       0       0       0       0 8474683 8479325        0       0       0
60001       0       0       0       0       0       0  8475218       0       0
65001       0       0 8471296       0       0       0        0       0 8476851
70001       0       0       0 8469514       0       0        0       0 8476874
47329 8477407 8475246       0 8475622       0       0        0 8477943       0
46786 8478402 8471729       0 8471239       0       0        0 8477934       0
45551 8474091 8477018       0 8469608       0       0        0 8473432       0

【讨论】：

我们的答案是匹配的。因此，这些必须是正确的方法。善用data.table::melt。
@MKR 所有的答案都一样.. 与其余的不同之处在于列排列.. 我们是按字母顺序排列的
是的。我已经检查并确认我的答案与您的相符。但是，正如您所说，行的顺序有点不同。

【解决方案3】：

我们可以使用tidyverse::spread 和reduce，经过一些预处理，因为同一行可以包含Assist 的多个值：

library(tidyverse)
df %>%
  rownames_to_column %>%
  mutate(pType1 = gsub("Assist","Assist1",pType1),
         pType2 = gsub("Assist","Assist2",pType2)) %>%
  reduce(.init= .,.x=1:4,~spread(.,3,2))

#    rowname Blocker  Hitter PlayerID  Scorer Assist1  Hittee Shooter Assist2  Goalie <NA>
# 1        1 8470828      NA       NA      NA      NA      NA 8475172      NA      NA   NA
# 2    10001 8470966      NA       NA      NA      NA      NA 8474162      NA      NA   NA
# 3    15001      NA      NA       NA      NA      NA      NA      NA      NA      NA   NA
# 4    20001 8476472      NA       NA      NA      NA      NA 8480172      NA      NA   NA
# 5    25001      NA 8476917       NA      NA      NA 8477989      NA      NA      NA   NA
# 6    30001 8475791      NA       NA      NA      NA      NA 8476879      NA      NA   NA
# 7    35001      NA      NA       NA      NA      NA      NA      NA      NA      NA   NA
# 8    40001      NA      NA  8476905      NA      NA      NA      NA      NA      NA   NA
# 9    45001      NA      NA  8474152      NA      NA      NA      NA      NA      NA   NA
# 10   45551      NA      NA       NA 8473432 8474091      NA      NA 8477018 8469608   NA
# 11   46786      NA      NA       NA 8477934 8478402      NA      NA 8471729 8471239   NA
# 12   47329      NA      NA       NA 8477943 8477407      NA      NA 8475246 8475622   NA
# 13   50001      NA      NA       NA      NA      NA      NA      NA      NA      NA   NA
# 14    5001      NA      NA       NA      NA      NA      NA      NA      NA      NA   NA
# 15   55001      NA 8479325       NA      NA      NA 8474683      NA      NA      NA   NA
# 16   60001      NA      NA  8475218      NA      NA      NA      NA      NA      NA   NA
# 17   65001 8471296      NA       NA      NA      NA      NA 8476851      NA      NA   NA
# 18   70001      NA      NA       NA      NA      NA      NA      NA      NA      NA   NA

【讨论】：

【解决方案4】：

这是一个基本的 R 版本：

gty <- function(.) unlist(.[grep("pType", names(.))])
# a function to get the vector of "types" from a row of the data frame

# edit: I noticed the "Assist" problem ("Assist1" and "Assist2" in the target table but "Assist" in the source table)
# ... so this needs to be corrected
gty <- function(.) {
  res <- unlist(.[grep("pType", names(.))])
  res[res %in% "Assist"] <- paste0("Assist", 1:sum(res%in%"Assist"))
  res
}
# or in a hyper-functional style
gty <- function(.){ (function(..) {"[<-" (.., ..%in%"Assist", paste0("Assist", 1:sum(..%in%"Assist")))})(unlist(.[grep("pType", names(.))]))}


gid <- function(.) as.numeric(unlist(.[grep("_id", names(.))]))
# a function to get the vector of "ids" from a row of the data frame
# as.numeric - needed if this will be used from within `apply`as I intend to

types <- c("Blocker", "Shooter", "Hittee", "Hitter", "Assist1", "Assist2", 
         "Scorer", "Goalie")
# a list of types

fun <- function(.)  setNames(gid(.)[match(types, gty(.))], types)
# a function which gets the ids and types from a row and rearranges them

t(apply(df, 1, fun))

结果：

      Blocker Shooter  Hittee  Hitter Assist1 Assist2  Scorer  Goalie
1     8470828 8475172      NA      NA      NA      NA      NA      NA
5001       NA 8478460      NA      NA      NA      NA      NA 8470645
10001 8470966 8474162      NA      NA      NA      NA      NA      NA
15001      NA 8475314      NA      NA      NA      NA      NA      NA
20001 8476472 8480172      NA      NA      NA      NA      NA      NA
25001      NA      NA 8477989 8476917      NA      NA      NA      NA
30001 8475791 8476879      NA      NA      NA      NA      NA      NA
35001      NA 8470105      NA      NA      NA      NA      NA      NA
40001      NA      NA      NA      NA      NA      NA      NA      NA
45001      NA      NA      NA      NA      NA      NA      NA      NA
50001      NA 8470642      NA      NA      NA      NA      NA      NA
55001      NA      NA 8474683 8479325      NA      NA      NA      NA
60001      NA      NA      NA      NA      NA      NA      NA      NA
65001 8471296 8476851      NA      NA      NA      NA      NA      NA
70001      NA 8476874      NA      NA      NA      NA      NA 8469514
47329      NA      NA      NA      NA 8477407 8475246 8477943 8475622
46786      NA      NA      NA      NA 8478402 8471729 8477934 8471239
45551      NA      NA      NA      NA 8474091 8477018 8473432 8469608

【讨论】：

【解决方案5】：

不是我正在寻找的创造性答案，但这在技术上对我有用：

my.player.data %>%
  dplyr::mutate(Shooter = ifelse(pType == "Shooter", p_id, ifelse(pType1 == "Shooter", p_id1, ifelse(pType2 == "Shooter", p_id2, ifelse(pType3 == "Shooter", p_id3, NA))))) %>%
  dplyr::mutate(Goalie = ifelse(pType == "Goalie", p_id, ifelse(pType1 == "Goalie", p_id1, ifelse(pType2 == "Goalie", p_id2, ifelse(pType3 == "Goalie", p_id3, NA))))) %>%
  dplyr::mutate(Blocker = ifelse(pType == "Blocker", p_id, ifelse(pType1 == "Blocker", p_id1, ifelse(pType2 == "Blocker", p_id2, ifelse(pType3 == "Blocker", p_id3, NA)))))
  dplyr::mutate(Assister1 = ifelse(pType1 == "Assist", p_id1, NA)) %>%
  dplyr::mutate(Assister1 = ifelse(pType2 == "Assist", p_id2, NA))

【讨论】：