通过连接重塑形状，为 R 中的每个变量提供一个时间序列 [重复]

Question

想用以下结构重塑数据集，以帮助我创建用于时间序列分析的数据集

下面的数据集是一个示例，我有多个变量作为列，多个品牌作为行以及它们各自的时间段

Brand Period V1 V2 V3 A Week1 1 2 3 A Week2 1 2 3 A Week3 1 2 3 B Week1 1 2 3 B Week2 1 2 3 B Week3 1 2 3 C Week1 1 2 3 C Week2 1 2 3 C Week3 1 2 3

数据集如下所示：

Period A_V1 A_V2 A_V3 B_V1 B_V2 B_V3 C_V1 C_V2 C_V3 Week1
Week2
Week3

想知道 reshape 包或我可以使用的任何其他包中是否有某些功能

Answer 1

基本操作可以在一次 read.zoo 调用中完成，这将：

• 读入brands.dat 文件（在末尾的注释中可重复地定义）- 如果您有一个数据框作为输入，则使用下面注释掉的行而不是未注释的行，
• 按品牌拆分数据。

结果是动物园系列z。该系列可以直接以该形式进行操作，也可以使用fortify.zoo(z) 或通过将索引收敛为数字（如下所示）然后使用as.ts(z) 的ts 系列转换为数据框。

library(zoo)

# z <- read.zoo(brands, index = 2, split = 1, FUN = as.character, header = TRUE)
z <- read.zoo("brands.dat", index = 2, split = 1, FUN = as.character, header = TRUE)

给予：

      V1.A V2.A V3.A V1.B V2.B V3.B V1.C V2.C V3.C
Week1    1    2    3    1    2    3    1    2    3
Week2    1    2    3    1    2    3    1    2    3
Week3    1    2    3    1    2    3    1    2    3

如果您更喜欢问题中显示的格式的列名，请添加：

colnames(z) <- sub("(\\w+)[.](\\w+)", "\\2_\\1", colnames(z))

如果您更喜欢数字时间索引或想将其转换为 ts 系列（需要这样），请添加以下内容：

time(z) <- 1:nrow(z)

或者这个：

time(z) <- as.numeric(gsub("\\D", "", time(z))

注意：这会生成输入文件：

Lines <- "
Brand   Period  V1  V2  V3
A      Week1    1   2   3
A      Week2    1   2   3
A      Week3    1   2   3
B      Week1    1   2   3
B      Week2    1   2   3
B      Week3    1   2   3
C      Week1    1   2   3
C      Week2    1   2   3
C      Week3    1   2   3"
cat(Lines, file = "brands.dat")

或者如果你的起点是一个数据框，那么：

brands <- read.table(text = Lines, header = TRUE)

Answer 2

我们可以使用来自data.table 的dcast，它需要多个value.var 列

library(data.table)
dcast(setDT(df1), Period ~ Brand, value.var =names(df1)[3:5])
#   Period V1_A V1_B V1_C V2_A V2_B V2_C V3_A V3_B V3_C
#1:  Week1    1    1    1    2    2    2    3    3    3
#2:  Week2    1    1    1    2    2    2    3    3    3
#3:  Week3    1    1    1    2    2    2    3    3    3

Answer 3

如果您习惯使用tidyverse，则可以为此使用tidyr 中的gather 和spread 的组合（类似于this 的答案）：

Brand <- c(rep("A", 3), rep("B", 3), rep("C", 3))
Period <- c(rep(c("Week1", "Week2", "Week3"), 3))
V1 <- c(rep(1, 9))
V2 <- c(rep(2, 9))
V3 <- c(rep(3, 9))
df <- data.frame(cbind(Brand, Period, V1, V2, V3))

df %>% 
  gather(vars, value, -Brand, -Period) %>% 
  mutate(observation = paste(Brand, vars, sep="_")) %>% 
  select(-Brand, -vars) %>% 
  spread(observation, value)

结果：

  Period A_V1 A_V2 A_V3 B_V1 B_V2 B_V3 C_V1 C_V2 C_V3
1 Week1     1    2    3    1    2    3    1    2    3
2 Week2     1    2    3    1    2    3    1    2    3
3 Week3     1    2    3    1    2    3    1    2    3