将具有相同 ID 的值分组到列中，而不在 R 中对它们进行汇总答案

【问题标题】：Group values with identical ID into columns without summerizing them in R将具有相同 ID 的值分组到列中，而不在 R 中对它们进行汇总
【发布时间】：2018-09-18 21:11:46
【问题描述】：

我有一个看起来像这样的数据框，但包含更多的蛋白质

Protein      z
  Irak4  -2.46
  Irak4  -0.13
    Itk  -0.49
    Itk   4.22
    Itk  -0.51
    Ras   1.53

对于进一步的操作，我需要将数据按 Proteinname 分组到这样的列中。

Irak4    Itk    Ras
-2.46  -0.49   1.53
-0.13   4.22     NA
   NA  -0.51     NA

我尝试了不同的软件包，如 dplyr 或 reshape，但未能将数据转换为所需的格式。

有什么方法可以实现吗？我认为某些蛋白质的缺失数据点是这里的主要问题。

我对 R 很陌生，所以如果我错过了一个明显的解决方案，我深表歉意。

【问题讨论】：

在 base r 中使用 reshape 可以做到这一点。即reshape(transform(df,gr=ave(z,Protein,FUN=seq_along)),v.names = 'z',timevar = 'Protein',idvar = 'gr',dir='wide')
你可以使用library(data.table);dcast(setDT(df),rowid(Protein)~Protein,value.var='z')

标签： r dataframe reshape missing-data

【解决方案1】：

这是tidyverse的选项

library(tidyverse)
DF %>% 
  group_by(Protein) %>% 
  mutate(idx = row_number()) %>% 
  spread(Protein, z) %>% 
  select(-idx)
# A tibble: 3 x 3
#   Irak4   Itk   Ras
#   <dbl> <dbl> <dbl>
#1  -2.46 -0.49  1.53
#2  -0.13  4.22 NA   
#3  NA    -0.51 NA

在spread 数据之前，我们需要创建唯一标识符。

在base R 中，您可以首先使用unstack，这将为您提供一个包含z 列中值的向量的命名列表。

使用lapply 遍历该列表，并使用`length<-` 函数将NAs 附加到向量中，以获得长度相等的向量列表。然后我们可以拨打data.frame。

lst <- unstack(DF, z ~ Protein)
data.frame(lapply(lst, `length<-`, max(lengths(lst))))
#  Irak4   Itk  Ras
#1 -2.46 -0.49 1.53
#2 -0.13  4.22   NA
#3    NA -0.51   NA

数据

DF <- structure(list(Protein = c("Irak4", "Irak4", "Itk", "Itk", "Itk", 
"Ras"), z = c(-2.46, -0.13, -0.49, 4.22, -0.51, 1.53)), .Names = c("Protein", 
"z"), class = "data.frame", row.names = c(NA, -6L))

【讨论】：

【解决方案2】：

library(data.table)

dcast(setDT(df),rowid(Protein)~Protein,value.var='z')

   Protein Irak4   Itk  Ras
1:       1 -2.46 -0.49 1.53
2:       2 -0.13  4.22   NA
3:       3    NA -0.51   NA

在基础 R 中你可以这样做：

data.frame(sapply(a<-unstack(df,z~Protein),`length<-`,max(lengths(a))))
  Irak4   Itk  Ras
1 -2.46 -0.49 1.53
2 -0.13  4.22   NA
3    NA -0.51   NA

或者使用重塑：

reshape(transform(df,gr=ave(z,Protein,FUN=seq_along)),v.names = 'z',timevar = 'Protein',idvar = 'gr',dir='wide') 
  gr z.Irak4 z.Itk z.Ras
1  1   -2.46 -0.49  1.53
2  2   -0.13  4.22    NA
5  3      NA -0.51    NA

【讨论】：