如何在 R 中的 reshape 包中循环 dcast 函数

Question

作为一个相对较新的 R 用户，我在使用任何循环函数时遇到了麻烦。我看过很多教程，但其中的示例通常非常基础，因此易于执行。但是，我需要创建稍微复杂一些的循环，并且在弄清楚如何这样做时遇到了很多麻烦。这里和其他论坛上有一些相关的循环问题，但 none 完全符合我的需要，尽管我已尝试针对我当前的问题调整其他答案，但我仍然运行出错。

我有 2000 个 .csv 文件，其中的数据以长格式数据列出（简化示例）：

solution1    
> sol1     sol2     Istat
> s1       s2       0.435
> s1       s3       0.456
> s1       s4       0.845
> s1       s5       0.234

它基本上是对我拥有的 2000 个单独解决方案的成对比较的总结，解决方案之间的相似性总结在一个 'Istat' 值中。

我正在尝试将这 2000 个 .csv 文件中的每一个都转换为宽格式 table（使用 R 中的重塑包），因此它们看起来像（以下示例）：

     s1     s2     s3     s4     s5
s1   NA     0.435  0.456  0.845  0.234

我知道如何使用一个 .csv 文件只执行一次：

stat.cast <- dcast(solution1, sol2 ~ sol1, value.var="Istat")

但我似乎无法将其放入 for 循环函数中，甚至无法使用 lapply，这似乎也是一个可能的解决方案。

我用 for 函数得到的最接近值：

 # Get files from directory
loopout = "/Users/jc219806/Documents/Chapter 1/ANALYSES/R work/Istat/last_LoopOut/"
# List of file names inside folder
solutions <- list.files(loopout)
# Read all 2000 files inside
all.data <- lapply(solutions, read.csv, header=TRUE)
# Loop for performing reshape cast function to each listed dataframe
for (i in 1:length(all.data))
  {
  all.cast <- dcast(all.data, sol2 ~ sol1, value.var="Istat")
  }

但它一直给我错误，它无法从输入中识别 "Istat" 值 - 即使它存在于我拥有的数据帧列表中（代码中的 "solutions" 对象以上）。

并使用 lapply 函数：

lapply(solutions, dcast(all.data, sol2 ~ sol1, value.var="Istat"))

我遇到了同样类型的错误：

Error: value.var (Istat) not found in input

我不明白为什么，因为它列在数据帧列表中，作为每个 2000 个数据帧中的变量之一。似乎我没有让它正确地遍历我的每个 2000 .csv 文件，但我不知道如何解决这个问题。我还想知道是否也可以编写代码，以便循环根据列名将所有 2000 个输出绑定在一起？它正在疯狂循环。

我希望这个问题没有我想象的那么复杂。任何帮助（连同一些详细的解释）或有用的指导将不胜感激。谢谢

Answer 1

"all.data" 是数据帧列表。要遍历列表，您可以使用 lapply 和匿名函数调用（只是为了清楚起见）并在其上应用 dcast。

library(reshape2)
lapply(all.data, function(x) dcast(x, sol1 ~ sol2, value.var="Istat"))

或者不执行单独的 dcast，列表可以 rbind 到数据框，每个列表元素都有一个分组变量，然后执行 dcast 或 spread 来自 library(tidyr)

library(dplyr)
library(tidyr)
unnest(all.data, group) %>% 
                  spread(sol2, Istat)

或使用data.table

library(data.table)
dcast(rbindlist(Map(cbind, all.data, group=seq_along(all.data))),
                 group + sol1 ~sol2, value.var='Istat')

数据

all.data <- structure(list(solution1 = structure(list(sol1 = c("s1", 
"s1", 
"s1", "s1"), sol2 = c("s2", "s3", "s4", "s5"), Istat = c(0.435, 
0.456, 0.845, 0.234)), .Names = c("sol1", "sol2", "Istat"), 
class =     "data.frame", row.names = c(NA, 
-4L)), solution2 = structure(list(sol1 = c("s1", "s1", "s1", 
"s1"), sol2 = c("s2", "s3", "s4", "s5"), Istat = c(0.42, 0.536, 
0.945, 0.324)), .Names = c("sol1", "sol2", "Istat"), 
class =    "data.frame", row.names = c(NA, 
-4L))), .Names = c("solution1", "solution2"))

Answer 2

您写道：

for (i in 1:length(all.data))
  {
  all.cast <- dcast(all.data, sol2 ~ sol1, value.var="Istat")
  }

你应该写的：

all.cast <- list()
for (i in 1:length(all.data)) {
  all.cast[[i]] <- dcast(all.data[[i]], sol2 ~ sol1, value.var = "Istat")
}

但更 "R-esque" 的解决方案是：

all.cast <- lapply(all.data, dcast, sol2 ~ sol1, value.var = "Istat")

希望这能让你明白你做错了什么。

Answer 3

我会 melt 您的 "all.data" 列表，然后 dcast 将它变成宽格式。类似于：

## Sample data
set1 <- set2 <- data.frame(sol1 = c("s1", "s1", "s1", "s1"), 
                   sol2 = c("s2", "s3", "s4", "s5"), 
                   Istat = c(0.435, 0.456, 0.845, 0.234))
set2$Istat <- set2$Istat + 1 ## Just to see some different data

all.data <- mget(ls(pattern = "set\d+")) ## use your actual object

## The reshaping
library(reshape2)
dcast(melt(all.data, id.vars = c("sol1", "sol2")), 
      L1 + sol1 ~ sol2, value.var = "value")
#     L1 sol1    s2    s3    s4    s5
# 1 set1   s1 0.435 0.456 0.845 0.234
# 2 set2   s1 1.435 1.456 1.845 1.234

如果您的 "all.data" 对象有名称，"L1" 将反映这些名称，这在长运行.

中非常方便

如何在 R 中的 reshape 包中循环 dcast 函数

How to loop dcast function in reshape package in R

r

loops

reshape

lapply

数据