長い形式からワイド形式にデータを再形成する方法

次のデータフレームの並べ替えに問題があります。

set.seed(45)
dat1 <- data.frame(
    name = rep(c("firstName", "secondName"), each=4),
    numbers = rep(1:4, 2),
    value = rnorm(8)
    )

dat1
       name  numbers      value
1  firstName       1  0.3407997
2  firstName       2 -0.7033403
3  firstName       3 -0.3795377
4  firstName       4 -0.7460474
5 secondName       1 -0.8981073
6 secondName       2 -0.3347941
7 secondName       3 -0.5013782
8 secondName       4 -0.1745357

一意の各「名前」変数が行名になり、「値」がその行に沿った観測値、「数値」が列名になるように、形を変えたいと思います。このような並べ替え：

     name          1          2          3         4
1  firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
5 secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

私が見てきたmeltとcastし、いくつか他のものが、どれも仕事をしているように見えるん。

reshape関数の使用：

reshape(dat1, idvar = "name", timevar = "numbers", direction = "wide")

新しい（2014年）tidyrパッケージもして、単純にこれを行うgather()/ spread()ための条件であることmelt/ cast。

編集：今、2019年にtidyr v 1.0がリリースおよび設定され、非推奨パスにspreadなりgatherました。代わりにpivot_widerand pivot_longerを使用してください。これは、この回答で説明されています。の簡単な生活を少し垣間見たい場合は、以下をお読みくださいspread/gather。

library(tidyr)
spread(dat1, key = numbers, value = value)

githubから、

tidyrreshape2きちんとしたデータフレームワークに付属し、データ分析のための堅実なパイプラインmagrittrと連携して作業するために設計されたの再構成ですdplyr。

reshape2再形成よりも少ないのと同じように、tidyrよりも少ないのですreshape2。データを整頓するために特別に設計されたもので、一般的な再形成reshape2や、再形成が行った一般的な集計ではありません。特に、組み込みメソッドはデータフレームに対してのみ機能tidyrし、マージンや集計は提供されません。

これは、reshape()関数、またはreshapeパッケージのmelt()/ cast()関数を使用して行うことができます。2番目のオプションのコード例は次のとおりです。

library(reshape)
cast(dat1, name ~ numbers)

または使用 reshape2

library(reshape2)
dcast(dat1, name ~ numbers)

パフォーマンスが懸念される場合の別のオプションは、のメルト＆キャスト機能data.tableの拡張を使用するreshape2こと

（参照：data.tablesを使用した効率的な再形成）

library(data.table)

setDT(dat1)
dcast(dat1, name ~ numbers, value.var = "value")

#          name          1          2         3         4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814

そして、data.table v1.9.6以降、複数の列にキャストできます

## add an extra column
dat1[, value2 := value * 2]

## cast multiple value columns
dcast(dat1, name ~ numbers, value.var = c("value", "value2"))

#          name    value_1    value_2   value_3   value_4   value2_1   value2_2 value2_3  value2_4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078  0.3672866 -1.6712572 3.190562 0.6590155
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814 -1.6409368  0.9748581 1.476649 1.1515627

サンプルのデータフレームを使用して、次のことができます。

xtabs(value ~ name + numbers, data = dat1)

その他の2つのオプション：

基本パッケージ：

df <- unstack(dat1, form = value ~ numbers)
rownames(df) <- unique(dat1$name)
df

sqldf パッケージ：

library(sqldf)
sqldf('SELECT name,
      MAX(CASE WHEN numbers = 1 THEN value ELSE NULL END) x1, 
      MAX(CASE WHEN numbers = 2 THEN value ELSE NULL END) x2,
      MAX(CASE WHEN numbers = 3 THEN value ELSE NULL END) x3,
      MAX(CASE WHEN numbers = 4 THEN value ELSE NULL END) x4
      FROM dat1
      GROUP BY name')

ベースR aggregate関数の使用：

aggregate(value ~ name, dat1, I)

# name           value.1  value.2  value.3  value.4
#1 firstName      0.4145  -0.4747   0.0659   -0.5024
#2 secondName    -0.8259   0.1669  -0.8962    0.1681

develのバージョンでtidyr ‘0.8.3.9000’あり、pivot_widerそしてpivot_longer複数の列に（>長い、それぞれ- - >ワイド、ワイド長い）1から整形を行うために一般化されます。OPのデータの使用

-シングルカラムロング->ワイド

library(dplyr)
library(tidyr)
dat1 %>% 
    pivot_wider(names_from = numbers, values_from = value)
# A tibble: 2 x 5
#  name          `1`    `2`    `3`    `4`
#  <fct>       <dbl>  <dbl>  <dbl>  <dbl>
#1 firstName   0.341 -0.703 -0.380 -0.746
#2 secondName -0.898 -0.335 -0.501 -0.175

->機能を示すための別の列を作成しました

dat1 %>% 
    mutate(value2 = value * 2) %>% 
    pivot_wider(names_from = numbers, values_from = c("value", "value2"))
# A tibble: 2 x 9
#  name       value_1 value_2 value_3 value_4 value2_1 value2_2 value2_3 value2_4
#  <fct>        <dbl>   <dbl>   <dbl>   <dbl>    <dbl>    <dbl>    <dbl>    <dbl>
#1 firstName    0.341  -0.703  -0.380  -0.746    0.682   -1.41    -0.759   -1.49 
#2 secondName  -0.898  -0.335  -0.501  -0.175   -1.80    -0.670   -1.00    -0.349

ベースreshape関数は完全にうまく機能します：

df <- data.frame(
  year   = c(rep(2000, 12), rep(2001, 12)),
  month  = rep(1:12, 2),
  values = rnorm(24)
)
df_wide <- reshape(df, idvar="year", timevar="month", v.names="values", direction="wide", sep="_")
df_wide

どこ

• idvar 行を区切るクラスの列です
• timevar 広くキャストするクラスの列です
• v.names 数値を含む列です
• direction ワイドまたはロングフォーマットを指定します
• オプションのsep引数は、timevarクラス名とv.names出力の間で使用されるセパレータdata.frameです。

idvar存在しない場合は、reshape()関数を使用する前に作成してください。

df$id   <- c(rep("year1", 12), rep("year2", 12))
df_wide <- reshape(df, idvar="id", timevar="month", v.names="values", direction="wide", sep="_")
df_wide

idvar必要なことを覚えておいてください！timevarそしてv.names一部は簡単です。すべてが明示的に定義されているため、この関数の出力は他の関数よりも予測可能です。

ウィン・ベクトルの天才科学者のデータ（作られた人々から非常に強力な新しいパッケージがありますvtreat、seplyrとreplyr呼ばれる）がcdata。このドキュメントとこのブログの投稿で説明されている「調整データ」の原則を実装しています。データをどのように編成するかに関係なく、「データ座標」のシステムを使用して個々のデータポイントを識別できるはずです。以下は、John Mountによる最近のブログ投稿からの抜粋です。

システム全体は、2つのプリミティブまたは演算子cdata :: moveValuesToRowsD（）およびcdata :: moveValuesToColumnsD（）に基づいています。これらの演算子には、単純な特別なケースとして、ピボット、アンピボット、ワンホ​​ットエンコード、転置、複数の行と列の移動、および他の多くの変換があります。

cdataプリミティブの観点から、さまざまな操作を簡単に記述できます。これらの演算子はメモリ内またはビッグデータスケールで機能します（データベースとApache Sparkを使用。ビッグデータの場合は、cdata :: moveValuesToRowsN（）およびcdata :: moveValuesToColumnsN（）バリアントを使用します）。変換は、それ自体が変換の図（または画像）である制御テーブルによって制御されます。

まずコントロールテーブルを作成し（詳細についてはブログの投稿を参照）、次に行から列へのデータの移動を実行します。

library(cdata)
# first build the control table
pivotControlTable <- buildPivotControlTableD(table = dat1, # reference to dataset
                        columnToTakeKeysFrom = 'numbers', # this will become column headers
                        columnToTakeValuesFrom = 'value', # this contains data
                        sep="_")                          # optional for making column names

# perform the move of data to columns
dat_wide <- moveValuesToColumnsD(tallTable =  dat1, # reference to dataset
                    keyColumns = c('name'),         # this(these) column(s) should stay untouched 
                    controlTable = pivotControlTable# control table above
                    ) 
dat_wide

#>         name  numbers_1  numbers_2  numbers_3  numbers_4
#> 1  firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
#> 2 secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

はるかに簡単な方法！

devtools::install_github("yikeshu0611/onetree") #install onetree package

library(onetree)
widedata=reshape_toWide(data = dat1,id = "name",j = "numbers",value.var.prefix = "value")
widedata

        name     value1     value2     value3     value4
   firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
  secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

ワイドからロングに戻したい場合は、ワイドからロングにのみ変更し、オブジェクトには変更を加えません。

reshape_toLong(data = widedata,id = "name",j = "numbers",value.var.prefix = "value")

        name numbers      value
   firstName       1  0.3407997
  secondName       1 -0.8981073
   firstName       2 -0.7033403
  secondName       2 -0.3347941
   firstName       3 -0.3795377
  secondName       3 -0.5013782
   firstName       4 -0.7460474
  secondName       4 -0.1745357