使用 R 以便从一个 df 及其不同的列值创建一个新的 df答案

【问题标题】：Use R in order to create a new df from one df and its different column values使用 R 以便从一个 df 及其不同的列值创建一个新的 df
【发布时间】：2020-04-04 14:28:01
【问题描述】：

我正在寻找一种方法，以便从具有多个信息的dataframe 创建一个新的dataframe

也许对你来说这仍然是一件简单的事情，但我无法真正得到想要的结果，也许有r的专家可以启发我？

这是第一个df：

Col1    Col2    Event   Colvalue1   Colvalue2
Group1  Sp1.1   1   0.20    A
Group1  Sp1.2   1   0.20    A
Group1  Sp2.1   1   0.20    B
Group1  Sp3.1   2   0.12    B
Group1  Sp4.2   2   0.12    B
Group1  Sp5.1   2   0.12    B
Group1  Sp1.3   3   1.40    C
Group1  Sp1.4   3   1.40    C
Group1  Sp6.1   3   1.40    C
Group2  Sp6.1   1   1.20    D
Group2  Sp7.1   1   1.20    D
Group2  Sp9.3   1   1.20    D
Group2  Sp8.1   1   1.20    D
Group2  Sp8.2   2   0.40    E
Group2  Sp9.1   2   0.40    E
Group2  Sp9.2   2   0.40    E
Group2  Sp10.1  3   NA      NA
Group2  SP11.2  3   NA      NA
Group2  SP12.1  3   NA      NA
Group3  Sp1.1   1   5.2     F
Group3  Sp2.1   1   5.2     F
Group3  Sp3.1   1   5.2     F
Group3  Sp4.1   2   0.3     G
Group3  Sp4.2   2   0.3     G
Group3  Sp1.2   2   0.3     G
Group3  Sp8.1   2   0.3     G

这个想法是得到一个new_df 输出：

Species Group1  Group2 Group3
Sp1 A   NA G
Sp2 B   NA NO
Sp3 B   NA NO
Sp4 B   NA G
Sp5 B   NA NA
Sp6 C   D NA
Sp7 NA  D NA
Sp8 NA  E G
Sp9 NA  E NA
Sp10 NA X NA
Sp11 NA X NA
Sp12 NA X NA

解释如下：这个想法是首先遍历df1 中的每个组。让我们拿第一个：

Col1    Col2    Event   Colvalue1   Colvalue2
Group1  Sp1.1   1   0.20    A
Group1  Sp1.2   1   0.20    A
Group1  Sp2.1   1   0.20    B
Group1  Sp3.1   2   0.12    B
Group1  Sp4.2   2   0.12    B
Group1  Sp5.1   2   0.12    B
Group1  Sp1.3   3   1.40    C
Group1  Sp1.4   3   1.40    C
Group1  Sp6.1   3   1.40    C

从这个组中，我想创建一个new_df，列名Group1，行名中的所有Spname 都存在于所有df1：

Species Group1
Sp1 
Sp2 
Sp3 
Sp4 
Sp5 
Sp6 
Sp7 
Sp8 
Sp9 
Sp10
Sp11
Sp12

**如何填写这张表？ ** 为了决定在Group1 中为Sp1 放什么，我看看这个物种在Group1: 中的位置

Col1    Col2    Event   Colvalue1   Colvalue2
Group1  Sp1.1   1   0.20    A
Group1  Sp1.2   1   0.20    A
Group1  Sp1.3   3   1.40    C
Group1  Sp1.4   3   1.40    C

我查看 Colvalue1 列并只保留具有最低值的事件，这里是 Event=1，因为 Colvalue1=0.20 而 Colvalue1=1.40 是 Event3。这就是我所剩下的：

Col1    Col2    Event   Colvalue1   Colvalue2
Group1  Sp1.1   1   0.20    A
Group1  Sp1.2   1   0.20    A

这就是我知道我将在此处的Colvalue2 列中添加字母'C'：

Species Group1
Sp1 A
Sp2 
Sp3 
Sp4 
Sp5 
Sp6 
Sp7 
Sp8 
Sp9 
Sp10
Sp11
Sp12

等等等等……

Sp2 在Group1 中的另一个示例：

这里只出现一次：

Group1 Sp2.1 1 0.20 B

所以我填写了B的信：

Species Group1
Sp1 A
Sp2 B
Sp3 
Sp4 
Sp5 
Sp6 
Sp7 
Sp8 
Sp9 
Sp10
Sp11
Sp12

Sp3,4, 5 & Sp6 也一样：

Species Group1
Sp1 A
Sp2 B
Sp3 B
Sp4 B
Sp5 B
Sp6 C
Sp7 
Sp8 
Sp9 
Sp10
Sp11
Sp12

另一方面，Sp7,8 和 9 不在此组中，所以我添加了一个 NA：

Species Group1
Sp1 A
Sp2 B
Sp3 B
Sp4 B
Sp5 B
Sp6 C
Sp7 NA
Sp8 NA
Sp9 NA
Sp10 NA
Sp11 NA
Sp12 NA

让我们去Group2...：

Col1    Col2    Event   Colvalue1   Colvalue2
Group2  Sp6.1   1   1.20    D
Group2  Sp7.1   1   1.20    D
Group2  Sp9.3   1   1.20    D
Group2  Sp8.1   1   1.20    D
Group2  Sp8.2   2   0.40    E
Group2  Sp9.1   2   0.40    E
Group2  Sp9.2   2   0.40    E

这里Sp1,2,3,4 和5 不存在，所以我添加NA 和Sp6 和Sp7 只存在于Event1 所以我添加了相关的字母（D）：

Species Group1 Group2
Sp1 A NA
Sp2 B NA
Sp3 B NA
Sp4 B NA
Sp5 B NA
Sp6 C NA
Sp7 NA D
Sp8 NA
Sp9 NA
Sp10 NA
Sp11 NA
Sp12 NA

但是，Sp8 和 Sp9 都出现在 Events 1 和 2 中：Sp8 在 Colvalue1 中具有 smallest value 的事件是 Event 2（因此它将具有信E）。 Sp9 在Colvvalue1 中有smallest value 的事件是Event 2（所以它会有E 的字母）。

Species Group1 Group2
Sp1 A NA
Sp2 B NA
Sp3 B NA
Sp4 B NA
Sp5 B NA
Sp6 C NA
Sp7 NA D
Sp8 NA E
Sp9 NA E 
Sp10 NA
Sp11 NA
Sp12 NA

然后对于Event3 中的Sp10,11 和12，没有Colvalue1，所以我只放了一个X。

Species Group1 Group2
Sp1 A NA
Sp2 B NA
Sp3 B NA
Sp4 B NA
Sp5 B NA
Sp6 C NA
Sp7 NA D
Sp8 NA E
Sp9 NA E 
Sp10 NA X
Sp11 NA X
Sp12 NA X

事情就是这样，我希望它足够清楚，如果有任何问题仍然不清楚，请随时提出问题。如果有人可以帮助我，那将是非常好的他/她。同时，在这个复杂的时期，你们都照顾好自己……

在Group3 处增加复杂性：

这里当 Colvalue1 是 > to 5 时，如果没有其他 Colvalue1 <= 而不是 5，那么我的值是 NO。

Group3  Sp1.1     1   5.2     F
Group3  Sp2.1     1   5.2     F
Group3  Sp3.1     1   5.2     F
Group3  Sp4.1     2   0.3     G
Group3  Sp4.2     2   0.3     G
Group3  Sp1.2     2   0.3     G
Group3  Sp8.1     2   0.3     G

所以在事件 1 中，例如 Sp1 ： Group3 Sp1.1 1 5.2 F Group3 Sp1.2 2 0.3 G

它在Event1 中有一个Colvalue1 > 5，但它在Event2 中也有一个Colvalue1 = 0.3，所以它的值是G。

但是对于Sp2，它只出现在带有Colvalue1 > 5 的Event1 中，所以我只分配了一个值NO。

这是数据框：

输入（头部（df））

structure(list(Col1 = structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Group1", 
"Group2", "Group3"), class = "factor"), Col2 = structure(c(1L, 
2L, 8L, 9L, 11L, 12L), .Label = c("Sp1.1", "Sp1.2", "Sp1.3", 
"Sp1.4", "Sp10.1", "SP11.2", "SP12.1", "Sp2.1", "Sp3.1", "Sp4.1", 
"Sp4.2", "Sp5.1", "Sp6.1", "Sp7.1", "Sp8.1", "Sp8.2", "Sp9.1", 
"Sp9.2", "Sp9.3"), class = "factor"), Event = c(1L, 1L, 1L, 2L, 
2L, 2L), Colvalue1 = c(0.2, 0.2, 0.2, 0.12, 0.12, 0.12), Colvalue2 = c("A", 
"A", "B", "B", "B", "B"), Mean_dNdS = c(NA_character_, NA_character_, 
NA_character_, NA_character_, NA_character_, NA_character_)), class = c("data.table", 
"data.frame"), row.names = c(NA, -6L), .internal.selfref = <pointer: 0x7f8afd8052e0>)

【问题讨论】：

标签： dataframe r r dataframe data-manipulation

【解决方案1】：

采用这种方法：

separate将Species列改成2，因为用“Sp”和数字来标识Species
group_byCol1（组）和Species 查看每个组/物种组合中Colvalue1 的最小值
只保留Colvalue1 的最小值（并保留NA，因为最终结果中需要）
最终的pivot_wider 将在结果中分配第 1 组和第 2 组
按Species字符串中的数值排序

编辑：要在示例中寻址 Group3，请添加额外的 mutate，如果所有 Colvalue1 均 > 5，则替换为“否”。代码和输出已更新。

编辑：为确保X 在检查Colvalue1 的级别> 5 后仍然存在，它还会检查以确保Colvalue1 不是NA。（如果是 NA，那么 else 将确保 Colvalue2 仍然存在）。修改了 mutate 语句并在下面更新了输出。

library(tidyverse)

df %>%
  separate(Col2, into = c("Species", "Species_row"), sep = "([.])") %>%
  group_by(Col1, Species) %>%
  filter(Colvalue1 == min(Colvalue1) | is.na(Colvalue1)) %>%
  mutate(Colvalue2 = replace_na(Colvalue2, "X"),
         Colvalue2 = ifelse(all(Colvalue1 > 5) && all(!is.na(Colvalue1)), "NO", Colvalue2)) %>%
  slice(1) %>%
  pivot_wider(id_col = Species, names_from = Col1, values_from = Colvalue2) %>%
  arrange(as.integer(str_extract(Species, "\\d+")))

输出

# A tibble: 12 x 4
# Groups:   Species [12]
   Species Group1 Group2 Group3
   <chr>   <chr>  <chr>  <chr> 
 1 Sp1     A      NA     G     
 2 Sp2     B      NA     NO    
 3 Sp3     B      NA     NO    
 4 Sp4     B      NA     G     
 5 Sp5     B      NA     NA    
 6 Sp6     C      D      NA    
 7 Sp7     NA     D      NA    
 8 Sp8     NA     E      G     
 9 Sp9     NA     E      NA    
10 Sp10    NA     X      NA    
11 SP11    NA     X      NA    
12 SP12    NA     X      NA

【讨论】：

哇非常感谢@Ben！我再次打扰您添加一点复杂性，我用帖子中添加的第 3 组来说明它，我在最后解释了规则。这个想法是引入阈值，如果达到这个阈值并且我们没有任何其他事件，其中物种在这个阈值下具有最低值，我会设置一个 NO 值。
我得到错误：列 Colvalue2 无法从整数转换为字符
是的，但它似乎有效，但 Group2 中的 Sp10,11 and 12 不再存在 X？我在最后添加了 dput。
好的，非常感谢你，它现在就像一个魅力！保重:)
@Grendel 我做了一个小修改，不确定这会有所作为。但真的应该检查所有值是否不是NA。刚刚编辑了变异。据我所知，答案相同。