使用 R 为一行中的标识符提取数据并将其放入新列中答案

【问题标题】：Use R to extract data for an identifier in a row and put it in a new column使用 R 为一行中的标识符提取数据并将其放入新列中
【发布时间】：2014-12-04 04:39:58
【问题描述】：

我有一些使用 ArcGIS 获取的数据，我想通过流域标识符（例如 HUC_8=1404106）构建一个数据库。数据包含流域标识符 (HUC_8)、流域面积、土壤类型和土壤面积。流域标识符被列出的次数与土壤类型一样多。我想创建一个基于流域的数据库（标识符只在列中出现一次），并在不同列中按类型提取土壤面积。我附上了数据的一个子集，希望它是清楚的。我对 R 有点陌生，但我觉得这可以通过 for 循环来完成。知道如何做到这一点将非常有帮助，因为我经常使用 GIS，但想在 R 中执行更多分析。

HUC_8   WatershedArea   Soil    SoilArea    A_Area  B_Area  C_Area  D_Area  Null_Area
14040106    461104.4883 B       96590.33424                 
14040106    461104.4883 C       86282.93487                 
14040106    461104.4883 D       24945.9992                  
14050007    921494.3621 Null    2.861388                    
14050007    921494.3621 A       87214.28385                 
14050007    921494.3621 B       131417.8659                 
14050007    921494.3621 C       268324.5125                 
14050007    921494.3621 D       314131.5806                 
14060001    627348.8316 Null    8119.375083                 
14060001    627348.8316 A       5315.511117                 
14060001    627348.8316 B       286915.9001                 
14060001    627348.8316 C       114357.5251                 
14060001    627348.8316 D       163671.7545

【问题讨论】：

标签： r loops gis watershed

【解决方案1】：

从本质上讲，您似乎想将数据从长格式重塑为宽格式。 reshape2 库可以在这里派上用场

#sample data
dd<-read.table(text="HUC_8   WatershedArea   Soil    SoilArea
14040106    461104.4883 B       96590.33424                 
14040106    461104.4883 C       86282.93487                 
14040106    461104.4883 D       24945.9992                  
14050007    921494.3621 Null    2.861388                    
14050007    921494.3621 A       87214.28385                 
14050007    921494.3621 B       131417.8659                 
14050007    921494.3621 C       268324.5125                 
14050007    921494.3621 D       314131.5806                 
14060001    627348.8316 Null    8119.375083                 
14060001    627348.8316 A       5315.511117                 
14060001    627348.8316 B       286915.9001                 
14060001    627348.8316 C       114357.5251                 
14060001    627348.8316 D       163671.7545", header=T)

现在转换数据

library(reshape2)

wide <- dcast(dd, HUC_8+ WatershedArea ~ Soil)

#change default column names
soils <- levels(dd$Soil)
names(wide)[match(soils, names(wide))] <- paste(soils,"Area",sep="_")

这导致wide 数据框看起来像

     HUC_8 WatershedArea    A_Area    B_Area    C_Area   D_Area   Null_Area
1 14040106      461104.5        NA  96590.33  86282.93  24946.0          NA
2 14050007      921494.4 87214.284 131417.87 268324.51 314131.6    2.861388
3 14060001      627348.8  5315.511 286915.90 114357.53 163671.8 8119.375083

【讨论】：

谢谢弗里克先生。我尝试了您的方法，但我收到错误消息“使用 SoilArea 作为值列：使用 value.var 覆盖。”。不知道这意味着什么
这不是错误。这是一个警告。如果您愿意，可以在函数调用中显式设置 value.var= 参数。我建议您在学习新功能时阅读?dcast 帮助页面。
我在较大的数据集上再次尝试，但出现错误（缺少聚合函数：默认为长度）。我的代码如下 > Huc8Soil wide2 #更改默认列名称 > 土壤名称（wide2）[match（soils，names（wide2））]
> WIDE2 HUC_8 WatershedArea A_Area B_Area C_Area D_Area Null_Area 1 14010005 31458.13 0 0 1 0 0 2 14040106 461104.49 0 1 1 1 0 3 14040107 116521.39 0 0 0 1 0 4 14050007 921494.36 1 1 2 1 1 5 14060001 627348.83 1 1 1 1 1 6 14060002 412849.74 0 1 1 1 1 7 14060003 1693374.17 1 1 1 1 1 ......
感谢您的所有帮助。我确定这是我在 CSV 文件中忽略的内容。

【解决方案2】：

你可以试试

lst <- Map(function(x,y) ifelse(df$Soil==x,y, NA),
                     sort(unique(df$Soil)), list(df$SoilArea))
names(lst) <- paste(names(lst), 'Area', sep="_")
df[names(lst)]  <- lst

head(df,3)
#      HUC_8 WatershedArea Soil SoilArea A_Area   B_Area   C_Area D_Area
#1 14040106      461104.5    B 96590.33     NA 96590.33       NA     NA
#2 14040106      461104.5    C 86282.93     NA       NA 86282.93     NA
#3 14040106      461104.5    D 24946.00     NA       NA       NA  24946
#   Null_Area
#1        NA
#2        NA
#3        NA

更新

如果你想将reshape从long变为wide，你也可以使用base Rreshape

df1 <- reshape(df, idvar=c('HUC_8', 'WatershedArea'),
                          timevar='Soil', direction='wide')

colnames(df1)[-(1:2)] <- paste0(gsub('.*\\.', '',
                           colnames(df1)[-(1:2)]), '_Area')
df1[,c(1:2,7,3:6)]
#     HUC_8 WatershedArea    A_Area    B_Area    C_Area   D_Area   Null_Area
#1 14040106      461104.5        NA  96590.33  86282.93  24946.0          NA
#4 14050007      921494.4 87214.284 131417.87 268324.51 314131.6    2.861388
#9 14060001      627348.8  5315.511 286915.90 114357.53 163671.8 8119.375083

数据

df <- structure(list(HUC_8 = c(14040106L, 14040106L, 14040106L, 14050007L, 
14050007L, 14050007L, 14050007L, 14050007L, 14060001L, 14060001L, 
14060001L, 14060001L, 14060001L), WatershedArea = c(461104.4883, 
461104.4883, 461104.4883, 921494.3621, 921494.3621, 921494.3621, 
921494.3621, 921494.3621, 627348.8316, 627348.8316, 627348.8316, 
627348.8316, 627348.8316), Soil = c("B", "C", "D", "Null", "A", 
"B", "C", "D", "Null", "A", "B", "C", "D"), SoilArea = c(96590.33424, 
86282.93487, 24945.9992, 2.861388, 87214.28385, 131417.8659, 
268324.5125, 314131.5806, 8119.375083, 5315.511117, 286915.9001, 
114357.5251, 163671.7545)), .Names = c("HUC_8", "WatershedArea", 
"Soil", "SoilArea"), class = "data.frame", row.names = c(NA, 
-13L))

【讨论】：

谢谢阿克伦，我很感激。这很有帮助，但对于每个 HUC_8 值，我仍然只需要一行。