7

我是使用 R 进行数据分析的新手。我最近获得了一个预先格式化的环境观测模型数据集，其示例子集如下所示：

date                   site      obs    mod      site           obs    mod
2000-09-01 00:00:00    campus    NA     61.63    city centre    66     56.69
2000-09-01 01:00:00    campus    52     62.55    city centre    NA     54.75
2000-09-01 02:00:00    campus    52     63.52    city centre    56     54.65

基本上，这些数据包括“重复出现的列”中各个站点的每小时观测和模拟污染物浓度的时间序列，即站点 - obs - mod（在示例中，我只显示了总共 75 个站点中的 2 个）。我将这个“宽”数据集作为数据框读取，并希望将其重塑为“窄”格式：

date                   site           obs    mod
2000-09-01 00:00:00    campus         NA     61.63
2000-09-01 01:00:00    campus         52     62.55
2000-09-01 02:00:00    campus         52     63.52
2000-09-01 00:00:00    city centre    66     56.69
2000-09-01 01:00:00    city centre    NA     54.75
2000-09-01 02:00:00    city centre    56     54.65

我相信我应该使用包“reshape2”来做到这一点。首先，我尝试融化然后 dcast 数据集：

test.melt <- melt(test.data, id.vars = "date", measure.vars = c("site", "obs", "mod"))

但是，它只返回了一半的数据，即第一个（“校园”）之后的站点（“市中心”）的记录都被切断了：

date                   variable    value
2001-01-01 00:00:00    site        campus
2001-01-01 01:00:00    site        campus
2001-01-01 02:00:00    site        campus
2001-01-01 00:00:00    obs         NA
2001-01-01 01:00:00    obs         52
2001-01-01 02:00:00    obs         52
2001-01-01 00:00:00    mod         61.63
2001-01-01 01:00:00    mod         62.55
2001-01-01 02:00:00    mod         63.52

然后我尝试重铸：

test.recast <- recast(test.data, date ~ site + obs + mod)

但是，它返回错误消息：

Error in eval(expr, envir, enclos) : object 'site' not found

我试图搜索以前的问题，但没有找到类似的场景（如果我错了，请纠正我）。有人可以帮我吗？

提前谢谢了！

4

2 回答 2

11

在进行一些变量名称清理之后，您可能最好使用 base R reshape。

这是你的数据。

test <- read.table(header = TRUE, stringsAsFactors=FALSE,
text = "date             site  obs    mod    site             obs    mod
'2000-09-01 00:00:00'  campus   NA  61.63    'city centre'    66     56.69
'2000-09-01 01:00:00'  campus   52  62.55    'city centre'    NA     54.75
'2000-09-01 02:00:00'  campus   52  63.52    'city centre'    56     54.65")
test
#                  date   site obs   mod      site.1 obs.1 mod.1
# 1 2000-09-01 00:00:00 campus  NA 61.63 city centre    66 56.69
# 2 2000-09-01 01:00:00 campus  52 62.55 city centre    NA 54.75
# 3 2000-09-01 02:00:00 campus  52 63.52 city centre    56 54.65

如果你做得对，你应该得到像我一样的名字：正如@chase在他的回答中提到的那样，“重复的列名有点奇怪，不是正常的 R 行为”——所以我们必须解决这个问题。

注意：这两个选项都会生成一个“时间”变量，您可以继续删除它。您可能希望保留它，以防万一您想重新调整为宽格式。

  • 选项 1：如果你有像我一样的名字（你应该有），解决方案很简单。对于第一个站点，只需将“0”附加到站点名称并使用base R reshape：

    names(test)[2:4] <- paste(names(test)[2:4], "0", sep=".")
test <- reshape(test, direction = "long", 
                idvar = "date", varying = 2:ncol(test))
rownames(test) <- NULL # reshape makes UGLY rownames
test
#                  date time        site obs   mod
# 1 2000-09-01 00:00:00    0      campus  NA 61.63
# 2 2000-09-01 01:00:00    0      campus  52 62.55
# 3 2000-09-01 02:00:00    0      campus  52 63.52
# 4 2000-09-01 00:00:00    1 city centre  66 56.69
# 5 2000-09-01 01:00:00    1 city centre  NA 54.75
# 6 2000-09-01 02:00:00    1 city centre  56 54.65

  • 选项 2：如果您确实有重复的列名，修复仍然很容易，并且遵循相同的逻辑。首先，创建更好的列名（使用 容易做到rep()），然后reshape()如上所述使用。

    names(test)[-1] <- paste(names(test)[-1], 
                         rep(1:((ncol(test)-1)/3), each = 3), sep = ".")
test <- reshape(test, direction = "long", 
                idvar = "date", varying = 2:ncol(test))
rownames(test) <- NULL

### Or, more convenient:
# names(test) <- make.unique(names(test))
# names(test)[2:4] <- paste(names(test)[2:4], "0", sep=".")
# test <- reshape(test, direction = "long", 
#                 idvar = "date", varying = 2:ncol(test))
# rownames(test) <- NULL

  • 可选步骤：此表格中的数据仍然不完全“长”。如果需要，只需再执行一步：

    require(reshape2)
melt(test, id.vars = c("date", "site", "time"))
#                   date        site time variable value
# 1  2000-09-01 00:00:00      campus    0      obs    NA
# 2  2000-09-01 01:00:00      campus    0      obs 52.00
# 3  2000-09-01 02:00:00      campus    0      obs 52.00
# 4  2000-09-01 00:00:00 city centre    1      obs 66.00
# 5  2000-09-01 01:00:00 city centre    1      obs    NA
# 6  2000-09-01 02:00:00 city centre    1      obs 56.00
# 7  2000-09-01 00:00:00      campus    0      mod 61.63
# 8  2000-09-01 01:00:00      campus    0      mod 62.55
# 9  2000-09-01 02:00:00      campus    0      mod 63.52
# 10 2000-09-01 00:00:00 city centre    1      mod 56.69
# 11 2000-09-01 01:00:00 city centre    1      mod 54.75
# 12 2000-09-01 02:00:00 city centre    1      mod 54.65

更新（尝试解决评论中的一些问题）

  1. reshape()文档很混乱。最好通过几个示例来了解它的工作原理。具体来说，“时间”不必指代时间（问题中的“日期”），而更多的是指面板数据，其中记录是在不同时间为同一 ID 收集的。在您的情况下，原始数据中唯一的“id”是“日期”列。另一个潜在的“id”是站点，但不是数据的组织方式。

    想象一下，如果您的数据看起来像这样：

    test1 <- structure(list(date = structure(1:3, 
    .Label = c("2000-09-01 00:00:00", 
    "2000-09-01 01:00:00", "2000-09-01 02:00:00"), class = "factor"), 
    obs.campus = c(NA, 52L, 52L), mod.campus = c(61.63, 62.55, 
    63.52), obs.cityCentre = c(66L, NA, 56L), mod.cityCentre = c(56.69, 
    54.75, 54.65)), .Names = c("date", "obs.campus", "mod.campus", 
"obs.cityCentre", "mod.cityCentre"), class = "data.frame", row.names = c(NA, 
-3L))
test1
#                  date obs.campus mod.campus obs.cityCentre mod.cityCentre
# 1 2000-09-01 00:00:00         NA      61.63             66          56.69
# 2 2000-09-01 01:00:00         52      62.55             NA          54.75
# 3 2000-09-01 02:00:00         52      63.52             56          54.65

    现在试试reshape(test1, direction = "long", idvar = "date", varying = 2:ncol(test1))。您会看到reshape()将站点名称视为“时间”（可以通过timevar = "site"在命令中添加“”来覆盖reshape）。

    当 时direction = "long"，您必须指定哪些列随“时间”而变化。在您的情况下，这是除第一列之外的所有列，因此我使用2:ncol(test)for " varying"。

  2. test2? 哪里是？

  3. @Chase 回答下的问题：我认为您误解了melt()应该如何工作。基本上，它试图让您获得“最精简”的数据形式。在这种情况下，最精简的形式将是上述“可选步骤”，因为date+site将是包含唯一 ID 变量所需的最小值。（我会说 " time" 可以安全地删除。）

    一旦您的数据采用“可选步骤”中描述的格式（我们假设输出已存储为“ test.melt”，您始终可以轻松地以不同方式旋转表格。作为我的意思的演示，试试下面的，看看他们做了什么。

    dcast(test.melt, date + site ~ variable)
dcast(test.melt, date ~ variable + site)
dcast(test.melt, variable + site ~ date)
dcast(test.melt, variable + date ~ site)

    如果你停留在“选项 1”或“选项 2”，要拥有这种灵活性并不容易。

更新（几年后）

melt从“data.table”现在可以以类似的方式“融化”多个列reshape。无论列名是否重复，它都应该有效。

您可以尝试以下方法：

measure <- c("site", "obs", "mod")
melt(as.data.table(test), measure.vars = patterns(measure), value.name = measure)
#                   date variable        site obs   mod
# 1: 2000-09-01 00:00:00        1      campus  NA 61.63
# 2: 2000-09-01 01:00:00        1      campus  52 62.55
# 3: 2000-09-01 02:00:00        1      campus  52 63.52
# 4: 2000-09-01 00:00:00        2 city centre  66 56.69
# 5: 2000-09-01 01:00:00        2 city centre  NA 54.75
# 6: 2000-09-01 02:00:00        2 city centre  56 54.65
于 2012-09-27T14:05:08.957 回答
7

您有重复的列名这一事实有点奇怪，这不是正常的 R 行为。大多数时候，R 会通过make.names()函数强制您使用有效名称。无论如何，我可以复制您的问题。注意我做了我自己的例子，因为你的例子是不可复制的，但逻辑是一样的。

#Do not force unique names
s <- data.frame(id = 1:3, x = runif(3), x = runif(3), check.names = FALSE)
#-----
  id         x         x
1  1 0.6845270 0.5218344
2  2 0.7662200 0.6179444
3  3 0.4110043 0.1104774

#Now try to melt, note that 1/2 of your x-values are missing!
melt(s, id.vars = 1)
#-----
  id variable     value
1  1        x 0.6845270
2  2        x 0.7662200
3  3        x 0.4110043

解决方案是使您的列名唯一。正如我之前所说，R 在大多数情况下默认执行此操作。但是，您可以在事后通过make.unique()

names(s) <- make.unique(names(s))
#-----
[1] "id"  "x"   "x.1"

请注意，x 的第二列现在附加了一个 1。现在melt()可以按您的预期工作：

melt(s, id.vars = 1)
#-----
  id variable     value
1  1        x 0.6845270
2  2        x 0.7662200
3  3        x 0.4110043
4  1      x.1 0.5218344
5  2      x.1 0.6179444
6  3      x.1 0.1104774

在这一点上，如果你想把x和x.1当作同一个变量，我想用一点gsub()或其他的正则表达式函数来摆脱有问题的字符。这是我经常使用的工作流程。

于 2012-09-27T13:19:38.047 回答