如何将变量名称转换为R中数据框中的因素

Question

假设我有一个包含时间序列数据的数据框，其中第一列是索引，其余列都包含不同的数据流，并以描述性方式命名，如下例所示：

temps = data.frame(matrix(1:20,nrow=2,ncol=10))
names(temps) <- c("flr1_dirN_areaA","flr1_dirS_areaA","flr1_dirN_areaB","flr1_dirS_areaB","flr2_dirN_areaA","flr2_dirS_areaA","flr2_dirN_areaB","flr2_dirS_areaB","flr3_dirN_areaA","flr3_dirS_areaA")
temps$Index <- as.Date(2013,7,1:2)

temps
  flr1_dirN_areaA flr1_dirS_areaA    ...       Index
1               1               3    ...  1975-07-15
2               2               4    ...  1975-07-16   

现在我想准备数据框以使用 ggplot2 进行绘图，并且我想包括三个因素：flr、dir 和 area。

对于这个简单的例子，我可以做到这一点，如下所示：

temps.m <- melt(temps,"Index")
temps.m$flr <- factor(rep(1:3,c(8,8,4)))
temps.m$dir <- factor(rep(c("N","S"),each=2,len=20))
temps.m$area <- factor(rep(c("A","B"),each=4,len=20))
temps.m
        Index        variable value flr dir area
1  1975-07-15 flr1_dirN_areaA     1   1   N    A
2  1975-07-16 flr1_dirN_areaA     2   1   N    A
3  1975-07-15 flr1_dirS_areaA     3   1   S    A
4  1975-07-16 flr1_dirS_areaA     4   1   S    A
5  1975-07-15 flr1_dirN_areaB     5   1   N    B
6  1975-07-16 flr1_dirN_areaB     6   1   N    B
7  1975-07-15 flr1_dirS_areaB     7   1   S    B
8  1975-07-16 flr1_dirS_areaB     8   1   S    B
9  1975-07-15 flr2_dirN_areaA     9   2   N    A
10 1975-07-16 flr2_dirN_areaA    10   2   N    A
11 1975-07-15 flr2_dirS_areaA    11   2   S    A
12 1975-07-16 flr2_dirS_areaA    12   2   S    A
13 1975-07-15 flr2_dirN_areaB    13   2   N    B
14 1975-07-16 flr2_dirN_areaB    14   2   N    B
15 1975-07-15 flr2_dirS_areaB    15   2   S    B
16 1975-07-16 flr2_dirS_areaB    16   2   S    B
17 1975-07-15 flr3_dirN_areaA    17   3   N    A
18 1975-07-16 flr3_dirN_areaA    18   3   N    A
19 1975-07-15 flr3_dirS_areaA    19   3   S    A
20 1975-07-16 flr3_dirS_areaA    20   3   S    A

实际上，我有不同长度的数据流（列） - 每个都来自其自己的文件，缺少数据，列（文件）名称中编码的因子超过 3 个，所以这种简单的应用因子方法不会工作。我需要更健壮的东西，我倾向于将变量名称解析为不同的因子，并填充融合数据框的因子列。

我的最终目标是绘制这样的图：

ggplot(temps.m,aes(x=Index,y=value,color=area,linetype=dir))+geom_line()+facet_grid(flr~.)

我想 reshape、reshape2、plyr 或其他一些包可以在一两个语句中做到这一点 - 但我在使用 melt/cast/ddply 和其他包时遇到了困难。有什么建议么？

此外，如果您能提出一种完全不同的 [更好] 方法来构建我的数据，我会全力以赴。

提前致谢

Answer 1

您可以使用一些正则表达式来创建您的因子：

res <- do.call(rbind,strsplit(gsub('flr([0-9]+).*dir([A-Z]).*area([A-Z])',
              '\\1,\\2,\\3',  
              temps.m$variable),
         ','))

    [,1] [,2] [,3]
 [1,] "1"  "N"  "A" 
 [2,] "1"  "N"  "A" 
 [3,] "1"  "S"  "A" 
 [4,] "1"  "S"  "A" 
 [5,] "1"  "N"  "B" 
 [6,] "1"  "N"  "B" 
 [7,] "1"  "S"  "B" 
 [8,] "1"  "S"  "B" 
 ........

也许您需要进一步将列转换为因子。

res <- colwise(as.factor)(data.frame(res))
  X1 X2 X3
1   1  N  A
2   1  N  A
3   1  S  A
4   1  S  A
........

要将结果与融化的数据结合起来，您可以使用cbind

 temps.m <- cbind(temps.m,res)

Answer 2

这是一种将一堆格式正确的字符串转换为因子变量数据框的方法。这假设因子被_ 分割，并且每个子字符串中的最后一个字符是所需的级别。

require(plyr)

v <- do.call(rbind, strsplit(as.character(temps.m$variable), "_"))

v <- alply(v, 2, function(x) {
    n <- nchar(x)
    name <- substr(x, 1, n - 1)[1]
    lev <- substr(x, n, n)
    structure(factor(lev), name=name)
})

names(v) <- sapply(v, attr, "name")

temps.m <- cbind(temps.m, as.data.frame(v))

添加更多通用性留给读者作为练习。