当涉及在长格式和宽格式之间切换时,我在当前的数据分析工作流程中发现了一些次优步骤。考虑下面显示的三个迹线,它们具有共同的x
值,
我的数据是长格式的,可用于绘图和各种 pipy 事物,但对于分析的某些部分,处理宽(类似矩阵)格式似乎要容易得多。例如,在这个虚拟示例中,我可能希望将所有迹线的基线设置为 0,方法是减去 0 到 0.25 之间的每个迹线的平均值(灰色阴影区域)。
我找不到一种简单的方法来做这种长格式的事情。
我目前的策略是切换回宽格式,但是 i) 我不记得 dcast/reshape 的正确语法,ii) 在两者之间来回切换效率非常低。
dwide <- reshape2::dcast(dlong, x~..., value.var="y")
dwide[,-1] <- sweep(dwide[,-1], 2, colMeans(dwide[dwide$x < 0.25, -1]), FUN="-")
dlong2 <- melt(dwide, id="x")
我是否错过了一些可以提供帮助的工具?我对 data.table 建议持开放态度。
完全可重现的例子:
library(ggplot2)
library(plyr)
library(reshape2)
## dummy data as noisy lorentzian-shaped peaks with random offset
set.seed(1234)
fake_data <- function(a, x = seq(0, 1, length=100)){
data.frame(x = x,
y = jitter(1e-3 / ((x - a)^2 + 1e-3) + runif(1,0,1),
amount = 0.1))
}
## apply function to all combinations of parameters (one here)
dlong <- plyr::mdply(data.frame(a = c(0.4,0.5,0.6)), fake_data)
ggplot(dlong, aes(x, y, colour=factor(a))) + geom_line() +
annotate("rect", xmin=-Inf, xmax=0.25, ymin=-Inf, ymax=Inf, fill="grey", alpha = 0.3) +
theme_minimal()
dwide <- reshape2::dcast(dlong, x~..., value.var="y")
str(dwide)
dwide[,-1] <- sweep(dwide[,-1], 2, colMeans(dwide[dwide$x < 0.25, -1]), FUN="-")
dlong2 <- melt(dwide, id="x")
ggplot(dlong2, aes(x, value, colour=variable)) + geom_line() +
theme_minimal()