Cómo remodelar datos de formato largo a ancho

Tengo problemas para reorganizar el siguiente marco de datos:

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

Quiero remodelarlo para que cada variable única de "nombre" sea un nombre de fila, con los "valores" como observaciones a lo largo de esa fila y los "números" como colnames. Algo así como esto:

     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

Lo he visto melty castalgunas otras cosas, pero ninguna parece hacer el trabajo.

Usando la reshapefunción:

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

El nuevo tidyrpaquete (en 2014) también hace esto simplemente, con gather()/ spread()siendo los términos para melt/ cast.

Editar: Ahora, en 2019, tidyr v 1.0 ha puesto en marcha y conjunto spready gatheren un camino de desaprobación, prefiriendo en su lugar pivot_widery pivot_longer, donde puede encontrar descrito en esta respuesta . Siga leyendo si desea un breve vistazo a la breve vida de spread/gather.

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

De github ,

tidyres un nuevo reshape2diseño diseñado para acompañar el ordenado marco de datos, y para trabajar de la mano magrittry dplyrconstruir una tubería sólida para el análisis de datos.

Al igual que reshape2hizo menos que remodelar, tidyrhace menos que reshape2. Está diseñado específicamente para ordenar los datos, no la remodelación general que reshape2sí lo hace, o la agregación general que se modificó. En particular, los métodos integrados solo funcionan para marcos de datos y tidyrno proporcionan márgenes ni agregación.

Puede hacer esto con la reshape()función, o con las funciones melt()/ cast()en el paquete de remodelación. Para la segunda opción, el código de ejemplo es

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

O usando reshape2

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

Otra opción si el rendimiento es una preocupación es usar data.tablela extensión de reshape2las funciones melt & dcast de

( Referencia: remodelación eficiente usando data.tables )

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

Y, a partir de data.table v1.9.6 podemos lanzar en múltiples columnas

## 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

Usando su marco de datos de ejemplo, podríamos:

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

Otras dos opciones:

Paquete base:

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

sqldf paquete:

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')

Usando la aggregatefunción base R :

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

Con la versión de desarrollo de tidyr ‘0.8.3.9000’, hay pivot_widerypivot_longer que se generaliza para hacer la remodelación (largo -> ancho, ancho -> largo, respectivamente) de 1 a varias columnas. Usando los datos del OP

-una columna larga -> ancha

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

-> creó otra columna para mostrar la funcionalidad

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

La reshapefunción base funciona perfectamente bien:

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

Dónde

• idvar es la columna de clases que separa las filas
• timevar es la columna de clases para emitir
• v.names es la columna que contiene valores numéricos
• direction especifica formato ancho o largo
• El separgumento opcional es el separador utilizado entre timevarlos nombres de clase y v.namesen la salida data.frame.

Si no idvarexiste, cree uno antes de usar la reshape()función:

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

¡Solo recuerda que idvares obligatorio! La parte timevary v.nameses fácil. La salida de esta función es más predecible que algunas de las otras, ya que todo está explícitamente definido.

Hay nueva muy potente paquete de datos científicos genio en Win-vectorial (gente que hizo vtreat, seplyry replyr) se llama cdata. Implementa los principios de "datos coordinados" descritos en este documento y también en esta publicación de blog . La idea es que, independientemente de cómo organice sus datos, debería ser posible identificar puntos de datos individuales utilizando un sistema de "coordenadas de datos". Aquí hay un extracto de la reciente publicación de blog de John Mount:

Todo el sistema se basa en dos primitivas u operadores cdata :: moveValuesToRowsD () y cdata :: moveValuesToColumnsD (). Estos operadores tienen pivote, un-pivote, codificación en caliente, transposición, movimiento de múltiples filas y columnas, y muchas otras transformaciones como casos especiales simples.

Es fácil escribir muchas operaciones diferentes en términos de las primitivas cdata. Estos operadores pueden trabajar en la memoria o en una escala de datos grandes (con bases de datos y Apache Spark; para datos grandes, use las variantes cdata :: moveValuesToRowsN () y cdata :: moveValuesToColumnsN ()). Las transformaciones son controladas por una tabla de control que en sí misma es un diagrama de (o una imagen de) la transformación.

Primero construiremos la tabla de control (vea la publicación del blog para más detalles) y luego realizaremos el movimiento de datos de filas a columnas.

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

mucho más fácil!

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

si desea volver de ancho a largo, solo cambie Ancho a Largo, y no cambie los objetos.

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