如何使用 R 将列的各个部分相互分配？答案

【问题标题】：How to distribute parts of a column besides each other using R?如何使用 R 将列的各个部分相互分配？
【发布时间】：2018-10-05 16:00:24
【问题描述】：

我有一个 .xlsx 文档，其中包含 3 列内的一些数据和测量值（ImageNumber、ObjectNumber、Intensity）问题是，这些数据都只在一列中，如下所示：

263     2   347.92942202463746
264     2   340.47059811465442
265     2   626.37256725877523
266     2   352.60785254277289
267     2   1161.9843464940786
268     2   353.31373599730432
269     2   1164.090231411159
270     2   639.38041111640632
271     2   365.32550028897822
272     2   373.7215790450573
273     2   611.34119655750692
274     2   342.07451999932528
275     2   343.72550031356514
276     2   602.51766622252762
277     2   335.52942184358835
278     2   347.39216740056872
279     2   349.49412823654711
280     2   365.96079528704286
281     2   603.77256822399795
282     2   403.58432539924979
283     2   633.00001835078001
284     2   390.50589356571436
285     2   387.1451101154089
1       3   94.176473506726325
2       3   79.400002629496157
3       3   331.84314792603254
4       3   1152.6863025426865
5       3   1186.6627745330334
6       3   470.21962223947048
7       3   513.58432994037867
8       3   501.98040856420994
9       3   497.15687815099955
10      3   440.45099299959838
11      3   442.16471740975976
12      3   1270.5686648786068
13      3   1296.145133793354
14      3   592.69021038152277
15      3   1247.9529772102833
16      3   1304.1843515634537
17      3   1317.5176855623722
18      3   566.2706073410809
19      3   555.8470722027123
20      3   953.59217982552946
21      3   445.65883476100862
22      3   438.89020615816116
23      3   1410.3608229905367
24      3   426.01569781638682
25      3   1424.8588645160198
26      3   1416.5294532775879
27      3   1253.4470970630646
28      3   422.10197120346129
29      3   1272.7372958958149
30      3   498.68629035539925
31      3   464.75687384977937
32      3   374.47452012635767
33      3   402.48628707416356
34      3   508.00393660180271
35      3   405.66275736689568
36      3   498.54511260986328

这只是我测量的一小部分。但是，为了能够分析这些数据，我需要采用以下格式，其中不同的数据集彼此相邻：

ImageNumber ObjectNumber    Intensity   ImageNumber ObjectNumber    Intensity   ImageNumber ObjectNumber    Intensity   ImageNumber ObjectNumber    Intensity
1   1   2385.494163364172   1   2   30.200001035351306  1   3   522.71766421943903  1   4   1057.6157233268023
2   1   479.47844552993774  2   2   28.882353894878179  2   3   1007.6078772544861  2   4   461.65491861104965
3   1   391.68236282467842  3   2   27.615687115117908  3   3   907.86276851594448  3   4   416.80001404881477
4   1   25.168628226500005  4   2   762.15687701106071  4   3   360.51765584945679  4   4   745.08237412944436
5   1   32.286275403108448  5   2   735.21570462733507  5   3   370.90589284710586  5   4   95.643139901570976
6   1   29.819608668331057  6   2   680.78825412690639  6   3   357.29804827086627  6   4   91.490198460407555
7   1   63.627452164888382  7   2   746.64315531402826  7   3   441.45099106151611  7   4   131.12157137878239
8   1   57.643138359300792  8   2   391.56863641180098  8   3   550.72550706192851  8   4   805.54511855356395
9   1   54.403922646306455  9   2   386.09804813098162  9   3   339.52549867797643  9   4   506.53334950841963
10  1   485.22354453988373  10  2   574.22747141867876  10  3   1228.5804251618683  10  4   1256.5176827311516
11  1   382.1568714408204   11  2   545.84315247740597  11  3   1212.9255175394937  11  4   1363.251015804708
12  1   396.752954300493    12  2   571.52942893654108  12  3   377.77256011217833  12  4   729.58433585613966
13  1   1283.8667007293552  13  2   542.1764866374433   13  3   706.82747261226177  13  4   648.21178455650806
14  1   430.46275778114796  14  2   909.63139714486897  14  3   451.46668002009392  14  4   1028.8941485583782
15  1   602.85491912066936  15  2   347.98432378470898  15  3   396.26667900010943  15  4   406.35295270755887
16  1   421.81961948797107  16  2   837.12943513691425  16  3   478.32942511886358  16  4   1038.5725800022483
17  1   405.13334396108985  17  2   747.52551138773561  17  3   446.17256097495556  17  4   885.80394879728556
18  1   324.09020387381315  18  2   653.02354798838496  18  3   835.43531934171915  18  4   407.7647173628211
19  1   336.67843942344189  19  2   804.93727961182594  19  3   429.20393324270844  19  4   291.43530296906829
20  1   741.53335233777761  20  2   366.6039296798408   20  3   732.14904120564461  20  4   394.81569704227149
21  1   338.82745894789696  21  2   1345.1961118653417  21  3   519.3960902877152   21  4   564.89413283765316
22  1   415.46667850390077  22  2   837.20394962280989  22  3   395.91765884310007  22  4   224.29020238853991
23  1   362.44314773753285  23  2   787.94120307266712  23  3   391.5568740144372   23  4   1794.8980749752373
24  1   789.72158995270729  24  2   374.35295177251101  24  3   708.94512075185776  24  4   381.40393186733127
25  1   386.32942296564579  25  2   687.25100283324718  25  3   373.17255918681622  25  4   430.47844344004989
26  1   319.23530425131321  26  2   564.95687813684344  26  3   429.85099240392447  26  4   289.76079219020903
27  1   312.13726452738047  27  2   480.74903298169374  27  3   440.44314985722303  27  4   373.62746067903936
28  1   630.78825259953737  28  2   470.48236661218107  28  3   288.50981164351106  28  4   270.01961551234126
29  1   340.45099052786827  29  2   648.56472269445658  29  3   427.27059957757592  29  4   1008.9764956980944

如图所示，所有具有相同“ObjectNumber”的数据集应与“Intensity”和“ImageNumber”的相应值一起位于单独的列中。由于有时有超过 100 个数据集（包含数百个数据点），因此无法手动复制另一个数据集，因为这需要很多时间。

我已经通过使用 R 包“tidyverse”或“reshape”解决了有关数据管理或对齐的其他一些问题。但是，这一次我完全不知道如何解决这个问题。

如果您能帮我解决这个问题，我将不胜感激。

【问题讨论】：

请不要发布代码/数据的图像，只发布代码/数据本身。几个原因是直接的：我无法将图像中的代码或数据复制到我的 R 控制台并尝试一下，并且我选择不手动转录它。一些原因不太明显，但仍然很重要，包括：hard 中断屏幕阅读器；搜索引擎不阅读它们，因此搜索不会找到它；移动设备的屏幕尺寸可能是一个限制因素。参考：meta.stackoverflow.com/a/285557/3358272
@r2evans 抱歉。我现在已将图片替换为数据。我没有想到那个问题。但是，这只是我的数据的一部分，因为整个数据太长了。
您提供的是一个更好的开始。下一步是包含我们可以直接导入的内容。 stackoverflow.com/questions/5963269 有一些很好的例子，包括 dput(head(x)) 的输出或手动制作的东西。（我们不需要您的实际数据来处理答案，我将在稍后演示......）
是否总是有相同的测量次数，并且每组测量的 ImageNumber 是否总是从 1 开始？
是的，每组测量的 ImageNumber 总是从 1 开始。由于我必须排除所有具有缺失值的测量值，因此您可以认为测量次数始终相同。

标签： r sorting multiple-columns xlsx columnsorting

【解决方案1】：

我在一些报告中使用过这样的功能：

wrap_frame <- function(x, nr, nc, rownames = NULL, byrow = FALSE, sep = "_", unique_names = TRUE) {
  if (!xor(missing(nr), missing(nc))) stop("specify exactly one of 'nr' or 'nc'")
  has_rownames <- isTRUE(is.character(attr(x, "row.names")))
  if (is.null(rownames)) {
    if (missing(rownames) && has_rownames) warning("wrap_frame: row names discarded", call. = FALSE)
  } else {
    x <- cbind.data.frame(list(row.names(x)), x)
    colnames(x)[1] <- rownames
  }
  if (missing(nr)) {
    nr <- ceiling(nrow(x) / nc)
    ind <- c(rep(seq_len(nc), times = nrow(x) %/% nc),
             head(seq_len(nc), n = nrow(x) %% nc))
  } else {
    nc <- ceiling(nrow(x) / nr)
    ind <- c(rep(seq_len(nrow(x) %/% nr), times = nr),
             rep(nc, nrow(x) %% nr))
  }
  if (!byrow) ind <- sort(ind)
  lst <- split(x, ind)
  lst <- lapply(lst, lapply, `length<-`, nrow(lst[[1]]))
  cnames <-
    if (unique_names) {
      paste(rep(colnames(x), times = nc), rep(seq_len(nc), each = ncol(x)), sep = sep)
    } else {
      rep(colnames(x), times = nc)
    }
  out <- do.call("cbind.data.frame", lst)
  colnames(out) <- cnames
  out
}

一些示例数据（这种方式更快，抱歉我没有使用你的，尽管你确实改进了它的格式！）：

mt <- mtcars[1:3]

还有一些示例调用，先固定行数：

wrap_frame(mt, nr = 10)
# Warning: wrap_frame: row names discarded
#    mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4
# 1   21.0     6  160.0  17.8     6  167.6  21.5     4  120.1  15.0     8    301
# 2   21.0     6  160.0  16.4     8  275.8  15.5     8  318.0  21.4     4    121
# 3   22.8     4  108.0  17.3     8  275.8  15.2     8  304.0    NA    NA     NA
# 4   21.4     6  258.0  15.2     8  275.8  13.3     8  350.0    NA    NA     NA
# 5   18.7     8  360.0  10.4     8  472.0  19.2     8  400.0    NA    NA     NA
# 6   18.1     6  225.0  10.4     8  460.0  27.3     4   79.0    NA    NA     NA
# 7   14.3     8  360.0  14.7     8  440.0  26.0     4  120.3    NA    NA     NA
# 8   24.4     4  146.7  32.4     4   78.7  30.4     4   95.1    NA    NA     NA
# 9   22.8     4  140.8  30.4     4   75.7  15.8     8  351.0    NA    NA     NA
# 10  19.2     6  167.6  33.9     4   71.1  19.7     6  145.0    NA    NA     NA
wrap_frame(mt, nr = 10, rownames = NULL) # to silence the warning

固定列数：

wrap_frame(mt, nc = 7, rownames = NULL)
#   mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4 mpg_5 cyl_5 disp_5 mpg_6 cyl_6 disp_6 mpg_7 cyl_7 disp_7
# 1  21.0     6    160  18.1     6  225.0  17.8     6  167.6  10.4     8  460.0  21.5     4  120.1  19.2     8  400.0  15.8     8    351
# 2  21.0     6    160  14.3     8  360.0  16.4     8  275.8  14.7     8  440.0  15.5     8  318.0  27.3     4   79.0  19.7     6    145
# 3  22.8     4    108  24.4     4  146.7  17.3     8  275.8  32.4     4   78.7  15.2     8  304.0  26.0     4  120.3  15.0     8    301
# 4  21.4     6    258  22.8     4  140.8  15.2     8  275.8  30.4     4   75.7  13.3     8  350.0  30.4     4   95.1  21.4     4    121
# 5  18.7     8    360  19.2     6  167.6  10.4     8  472.0  33.9     4   71.1    NA    NA     NA    NA    NA     NA    NA    NA     NA

这两个例子都展示了一些填充：在第一个中，行数是固定的，所以最后一列有点稀疏，但只有一列有 NA 值；第二，列数是固定的，所以最后一行是半空的，但只有一行有NA的值。从某种意义上说，两者都是“平衡的”。

同样的事情，但这次是逐行进行的，这意味着 x 的第一行 nc 分布在输出的第一行：

wrap_frame(mt, nc = 7, byrow = TRUE, rownames = NULL)
#   mpg_1 cyl_1 disp_1 mpg_2 cyl_2 disp_2 mpg_3 cyl_3 disp_3 mpg_4 cyl_4 disp_4 mpg_5 cyl_5 disp_5 mpg_6 cyl_6 disp_6 mpg_7 cyl_7 disp_7
# 1  21.0     6  160.0  21.0     6  160.0  22.8     4  108.0  21.4     6  258.0  18.7     8  360.0  18.1     6  225.0  14.3     8  360.0
# 2  24.4     4  146.7  22.8     4  140.8  19.2     6  167.6  17.8     6  167.6  16.4     8  275.8  17.3     8  275.8  15.2     8  275.8
# 3  10.4     8  472.0  10.4     8  460.0  14.7     8  440.0  32.4     4   78.7  30.4     4   75.7  33.9     4   71.1  21.5     4  120.1
# 4  15.5     8  318.0  15.2     8  304.0  13.3     8  350.0  19.2     8  400.0  27.3     4   79.0  26.0     4  120.3  30.4     4   95.1
# 5  15.8     8  351.0  19.7     6  145.0  15.0     8  301.0  21.4     4  121.0    NA    NA     NA    NA    NA     NA    NA    NA     NA

我们可以通过保持列名不变来使其在美学上更“快乐”：

wrap_frame(mt, nc = 3, rownames = "", unique_names = FALSE)
#                       mpg cyl  disp                      mpg cyl  disp                   mpg cyl  disp
# 1          Mazda RX4 21.0   6 160.0          Merc 450SE 16.4   8 275.8      AMC Javelin 15.2   8 304.0
# 2      Mazda RX4 Wag 21.0   6 160.0          Merc 450SL 17.3   8 275.8       Camaro Z28 13.3   8 350.0
# 3         Datsun 710 22.8   4 108.0         Merc 450SLC 15.2   8 275.8 Pontiac Firebird 19.2   8 400.0
# 4     Hornet 4 Drive 21.4   6 258.0  Cadillac Fleetwood 10.4   8 472.0        Fiat X1-9 27.3   4  79.0
# 5  Hornet Sportabout 18.7   8 360.0 Lincoln Continental 10.4   8 460.0    Porsche 914-2 26.0   4 120.3
# 6            Valiant 18.1   6 225.0   Chrysler Imperial 14.7   8 440.0     Lotus Europa 30.4   4  95.1
# 7         Duster 360 14.3   8 360.0            Fiat 128 32.4   4  78.7   Ford Pantera L 15.8   8 351.0
# 8          Merc 240D 24.4   4 146.7         Honda Civic 30.4   4  75.7     Ferrari Dino 19.7   6 145.0
# 9           Merc 230 22.8   4 140.8      Toyota Corolla 33.9   4  71.1    Maserati Bora 15.0   8 301.0
# 10          Merc 280 19.2   6 167.6       Toyota Corona 21.5   4 120.1       Volvo 142E 21.4   4 121.0
# 11         Merc 280C 17.8   6 167.6    Dodge Challenger 15.5   8 318.0             <NA>   NA  NA    NA

注意：NA 是 R 要求的，因为 data.frame 必须是矩形的。如果我插入空格，那么所有数字都将转换为character，而不是您想要/需要的（我怀疑）。但是，在导出时，您通常可以选择声明 NA 在输出中的表示方式，例如：

write.table(..., na="")
readr::write_csv(..., na="")
options(knitr.kable.NA=""); knitr::kable(...)

我已将此作为要点添加：https://gist.github.com/r2evans/f99f77d253cfbf6431db575f0bf2a7ea

【讨论】：

对不起，但是这个功能对我不起作用。我现在已将我的数据作为数据插入 (df<-"Document.csv", sep = ","``) and then used your function side_by_side(df, nc=10), which then resulted in Error in [.default(lst[[nc]][1, ], rep(NA, nr - nrow(lst[[nc]])), , : incorrect number of dimensions。从这个示例数据中，我看不出我必须如何使用这个函数来重新格式化我的数据，如上所示。你最终能给我另一个提示吗？
知道了，看我的编辑。问题是您提供的行数完全符合列/行数应向下舍入一的条件......已修复。
非常感谢！这对我的问题非常有效。我只是有一个小问题。是否有可能以仅将原始数据分配到新列中的方式删除每行（每第 4 列）前面的行号？我已经使用new_df<-wrap_frame(df, nc = 37, rownames = "", unique_names = FALSE) library(readr) write.csv(new_df, "C:/users/Desktop/Result.csv",row.names = FALSE) 尝试过，但这没有用。你能在这里给我建议吗？
rownames=NULL（或者根本不指定行名，因为这是示例 1-3 中所示的默认行为）。
非常感谢您的帮助！

【解决方案2】：

因此，假设您知道数据框 d 中的测量组数（例如，n_sets <- 3），并且如果观察数始终相同（例如 n_obs <- 23）并且图像编号从每组 1 到 n_obs，然后您可以执行以下操作：

library(dplyr)
n_obs <- 23
n_sets <- 3
idx <- rep(1:n_sets, each = n_obs)
idx <- as.factor(idx)
d$idx <- idx

newd <- split(d, f = d$idx) %>%
    bind_cols()

然后适当地重命名。

【讨论】：

这段代码对我来说很好，直到newd <- split(d, f = d$ids) %>% bind_cols() 出现以下错误：Error in split.default(x = seq_len(nrow(x)), f = f, drop = drop, ...) : group length is 0 but data length > 0 你知道，为什么会这样吗？我检查了我的数据，观察次数和测量集应该是一致的。
糟糕，抱歉，我打错了。它显然应该在对split() 的调用中读取d$idx。现在已更正。