如何从数据框中创建矩阵？答案

【问题标题】：How to create the matrix from data frame?如何从数据框中创建矩阵？
【发布时间】：2016-12-21 15:40:56
【问题描述】：

我有一个如下的数据框，我想创建一个矩阵，其中根据 3 个招聘站点（站点）和 5 个招聘年份（year）显示平均睡眠持续时间（SLP）。

SLP site year 
8.6  1   2008  
7.2  1   2005  
6.4  2   2006  
9.5  3   2007  
6.1  2   2009  
3.6  1   2005 
8.6  1   2008  
7.2  1   2005  
6.4  2   2006  
9.5  3   2007  
6.1  2   2009  
5.1  3   2008 
2.1  2   2006

我想要的输出是：

       1      2      3 
2005  6.00    -      -
2006   -     4.97    -
2007   -      -     9.5
2008  8.60    -     5.1
2009   -     6.10    -

列名是站点变量，行名是年份变量，每个单元格中的值是 SLP 的平均值。我该怎么做？

【问题讨论】：

标签： r matrix dataframe

【解决方案1】：

我们可以使用acast

library(reshape2)
acast(df1, year~site, value.var="SLP", mean)

或者使用来自base R的tapply

with(df1, tapply(SLP, list(year, site), FUN = mean))

【讨论】：

【解决方案2】：

以下是一些不使用包的不同解决方案：

1) tapply 这不使用任何包。它会为空单元格生成带有 NA 值的 "matrix" 输出：

tapply(DF$SLP, DF[c("year", "site")], mean)

给予：

      site
year     1        2   3
  2005 6.0       NA  NA
  2006  NA 4.966667  NA
  2007  NA       NA 9.5
  2008 8.6       NA 5.1
  2009  NA 6.100000  NA

2) 聚合/xtabs 这使用aggregate + xtabs。这将创建一个 c("xtabs", "table") 类的对象，空单元格的值为零：

fo <- SLP ~ year + site
xtabs(fo, aggregate(fo, DF, mean))

给予；

      site
year          1        2        3
  2005 6.000000 0.000000 0.000000
  2006 0.000000 4.966667 0.000000
  2007 0.000000 0.000000 9.500000
  2008 8.600000 0.000000 5.100000
  2009 0.000000 6.100000 0.000000

3) 聚合/重塑 这也使用aggregate，但使用reshape 而不是xtabs。它给出了一个数据框r，其中空单元格的NA。最后一行使列名与之前的解决方案保持一致，如果这不重要，可以省略。

 ag <- aggregate(SLP ~ site + year, DF, mean)
 r <- reshape(ag, dir = "wide", idvar = "year", timevar = "site")
 names(r) <- sub(".*[.]", "", names(r))

给予：

> r
  year   1        2   3
1 2005 6.0       NA  NA
3 2006  NA 4.966667  NA
5 2007  NA       NA 9.5
2 2008 8.6       NA 5.1
4 2009  NA 6.100000  NA

注意：使用可重现形式的输入DF是：

DF <- structure(list(SLP = c(8.6, 7.2, 6.4, 9.5, 6.1, 3.6, 8.6, 7.2, 
6.4, 9.5, 6.1, 5.1, 2.1), site = c(1L, 1L, 2L, 3L, 2L, 1L, 1L, 
1L, 2L, 3L, 2L, 3L, 2L), year = c(2008L, 2005L, 2006L, 2007L, 
2009L, 2005L, 2008L, 2005L, 2006L, 2007L, 2009L, 2008L, 2006L
)), .Names = c("SLP", "site", "year"), class = "data.frame", row.names = c(NA, 
-13L))

【讨论】：

【解决方案3】：

另一种解决方案

library(tidyr)
library(dplyr)

df%>% 
  group_by(year, site) %>%
    summarise(m=mean(SLP)) %>%
  spread(site, m )%>%
as.matrix()

【讨论】：

你不需要任何“.”作为命令中的第一个参数包含在内（例如，df %>% group_by(year, site) 将与您的前两行一样工作）。 Tidyverse 动词会自动将数据框作为第一个参数，并且除非您另外指定，否则将使用通过管道传输给它们的任何内容。

【解决方案4】：

在@g-grothendieck 使用xtabs 的基础上，我们可以将其与table 和ifelse 结合使用以返回相同的结果。

# get a count of the number of observations per matrix cell (filling 0s with 1)
tempTab <- ifelse(with(df, table(year, + site)) == 0, 1, with(df, table(year, + site)))

tempTab

year   1 2 3
  2005 3 1 1
  2006 1 3 1
  2007 1 1 2
  2008 2 1 1
  2009 1 2 1

现在使用xtabs，当多个观察值在一个单元格中时返回值的总和，然后除以 tempTab 以获得平均值。

xtabs(SLP ~ year + site, df) / tempTab
      site
year          1        2        3
  2005 6.000000 0.000000 0.000000
  2006 0.000000 4.966667 0.000000
  2007 0.000000 0.000000 9.500000
  2008 8.600000 0.000000 5.100000
  2009 0.000000 6.100000 0.000000

【讨论】：