整理数据并将键值重塑为宽格式

Question

说实话，这对我来说不是一个容易的问题。我搜索了很长时间，但似乎没有类似的问题。

这是我的数据的几行和几列的样子：

                                V1        V2       V3
1 74c1c25f4b283fa74a5514307b0d0278 1#11:2241 1#10:249
2 08f5b445ec6b29deba62e6fd8b0325a6  20#7:249  20#5:83
3 4b7f6f4e2bf237b6cc58f57142bea5c0  4#16:249   24:913

因此，单元格的格式类似于“class(#subclass):value”。我想做一个这样的表：

                                V1      1#10     1#11    4#16    20#5    20#7    24
1 74c1c25f4b283fa74a5514307b0d0278       249     2241       0       0       0     0      
2 08f5b445ec6b29deba62e6fd8b0325a6         0        0       0      83     249     0
3 4b7f6f4e2bf237b6cc58f57142bea5c0         0        0     249       0       0   913

因为我之前没有遇到过这种数据结构，我不确定这是否是最好的存储方式。但到目前为止，这是我能想到的唯一表格格式。如果您对此有任何建议，请发表评论。

然后，我先解析如下：

                            V1     V2_1_1 V2_1_2 V2_2_1 V3_1_1 V3_1_2 V3_2_1
1 74c1c25f4b283fa74a5514307b0d0278      1     11   2241      1     10    249
2 08f5b445ec6b29deba62e6fd8b0325a6     20      7    249     20      5     83
3 4b7f6f4e2bf237b6cc58f57142bea5c0      4     16    249     24     NA    913

现在，我不知道如何将其转换为我想要的表格格式。我可以使用 R 中的任何包来执行此操作吗？

下面附上两个链接

原始数据：https://www.dropbox.com/s/aqay5dn4r3m3kdp/temp1TrainPoiFile.R?dl=0

解析数据： https://www.dropbox.com/s/0oj8ic1pd2rew0h/temp3TrainPoiFile.R?dl=0

非常感谢您的帮助。如果对此有任何疑问，请发表评论。

感谢沃尔特和杰克的回答。我用tidyr 解决了这个问题。以下是我的做法。

读取文件

source("temp1TrainPoiFile.R")

将列收集到键值对

temp2TrainPoiFile <-  temp1TrainPoiFile %>% gather( key=V1, value=data, -V1)

提取到两列

temp3TrainPoiFile <- temp2TrainPoiFile %>% extract(col=data, into=c("class","value"), regex="(.*):(.*)")

添加行号

row <- 1:nrow(temp3TrainPoiFile)
temp3TrainPoiFile <- cbind(row, temp3TrainPoiFile)

将键值分布到两列

TrainPoiFile <- temp3TrainPoiFile %>% spread(key=class, value=value, fill=0)

Answer 1

这看起来像是使用tidyr 包的一个很好的例子。使用gather 转换为两列数据框，以V1 列为键，其他列为值列，命名为data、extract，将data 列拆分为class 和@987654329 @ 列，然后 spread 使用 class 列作为新列名，value 列作为值。代码如下所示：

library(tidyr)
library(dplyr)
class_table <- df %>% mutate(row = 1:nrow(.)) %>% 
               gather( key=V1, value=data, -c(V1,row)) %>%
               extract(col=data, into=c("class","value"), regex="(.*):(.*)") %>%
               spread(key=class, value=value, fill=0)

已编辑以确保行标识符的唯一性。 mutate 需要 dplyr 包。

Answer 2

读入数据

data <- source("temp1TrainPoiFile.R")[[1]]

适当的 NAs

data[data == ""] <- NA

改成长格式

data <- do.call(rbind, lapply(split(data, data[,"V1"]), function(n) {
                                  id <- n[,1]
                                  n <- na.omit(unlist(n[,-1]))
                                  n <- strsplit(n, ":")
                                  n <- do.call(rbind, lapply(n, function(m) data.frame(column = m[1], value = m[2])))
                                  n <- data.frame(id = id, n)
                                  n}))

准备循环以将值插入到新创建的矩阵中

id <- unique(data[,"id"])
column <- unique(data[,"column"])
mat <- matrix(data = NA, nrow = length(id), ncol = length(column))
rownames(mat) <- id
colnames(mat) <- column

插入值

for(i in 1:nrow(data)) {
    mat[data[i, "id"], data[i, "column"]] <- data[i,"value"]}