r - 当变量名称包含字符串信息时使用模式融化 - 避免强制转换为数字

Question

我使用 data.table::melt() 中的 patterns() 参数来融合包含多个易于定义模式的列的数据。它正在工作，但我不知道如何创建字符索引变量而不是默认的数字分割。

例如，在数据集“A”中，dog 和 cat 列名称具有数字后缀(例如“dog_1”、“cat_2”)，这些后缀在 melt 中得到正确处理(请参阅生成的结果) “变量”列):

A = data.table(idcol = c(1:5),
            dog_1 = c(1:5),   cat_1 = c(101:105),
            dog_2 = c(6:10),  cat_2 = c(106:110),
            dog_3 = c(11:15), cat_3 = c(111:115))  

head(melt(A, measure = patterns("^dog", "^cat"), value.name = c("dog", "cat")))
   
   idcol variable dog cat
1:     1        1   1 101
2:     2        1   2 102
3:     3        1   3 103
4:     4        1   4 104
5:     5        1   5 105
6:     1        2   6 106

但是，在数据集“B”中，dog 和 cat 列的后缀是字符串(例如“dog_one”、“cat_two”)。此类后缀在 melt 中转换为数字表示形式，请参阅“变量”列。

B = data.table(idcol = c(1:5),
                dog_one = c(1:5),     cat_one = c(101:105),
                dog_two = c(6:10),    cat_two = c(106:110),
                dog_three = c(11:15), cat_three = c(111:115))

head(melt(B, measure = patterns("^dog", "^cat"), value.name = c("dog", "cat")))

   idcol variable dog cat
1:     1        1   1 101
2:     2        1   2 102
3:     3        1   3 103
4:     4        1   4 104
5:     5        1   5 105
6:     1        2   6 106

如何使用正确的字符串后缀一/二/三而不是 1/2/3 填充“变量”列？

Answer 1

从 data.table 1.14.1(正在开发中； installation )开始，新函数 measure 可以更轻松地将具有串联变量名称的数据融合为所需的格式(请参阅？measure。

separator 参数用于创建不同组的measure.vars。在 ... 参数中，我们进一步指定与 sep 生成的组相对应的值的命运。

在 OP 中，变量名称的形式为 species_number，例如dog_one。因此，我们需要 ... 中的两个符号来指定separator 之前和之后的分组方式处理，一种用于物种(狗或猫)，另一种用于数量(一到三)。

如果...中的符号设置为value.name，则“melt返回多个值列(其名称由该组中的唯一值定义)”。因此，由于您希望每个物种有多个列，因此分隔符定义的 first 组、... 中的 first 符号应为 值.名称.

分隔符之后的第二组是数字，因此它被指定为...中的第二个符号。我们希望数字在单个值列中，因此在这里我们指定输出变量所需的列名称，例如“nr”。

melt(B, measure.vars = measure(value.name, nr, sep = "_"))

      idcol    nr dog cat
#  1:     1   one   1 101
#  2:     2   one   2 102
#  3:     3   one   3 103
#  4:     4   one   4 104
#  5:     5   one   5 105
#  6:     1   two   6 106
#  7:     2   two   7 107
#  8:     3   two   8 108
#  9:     4   two   9 109
# 10:     5   two  10 110
# 11:     1 three  11 111
# 12:     2 three  12 112
# 13:     3 three  13 113
# 14:     4 three  14 114
# 15:     5 three  15 115

<小时/>

data.table 1.14.1 之前

可能有更简单的方法，但这似乎有效:

# grab suffixes of 'variable' names
suff <- unique(sub('^.*_', '', names(B[ , -1])))
# suff <- unique(tstrsplit(names(B[, -1]), "_")[[2]])

# melt
B2 <- melt(B, measure = patterns("^dog", "^cat"), value.name = c("dog", "cat"))
   
# replace factor levels in 'variable' with the suffixes
setattr(B2$variable, "levels", suff)

B2
#     idcol variable dog cat
# 1:      1      one   1 101
# 2:      2      one   2 102
# 3:      3      one   3 103
# 4:      4      one   4 104
# 5:      5      one   5 105
# 6:      1      two   6 106
# 7:      2      two   7 107
# 8:      3      two   8 108
# 9:      4      two   9 109
# 10:     5      two  10 110
# 11:     1    three  11 111
# 12:     2    three  12 112
# 13:     3    three  13 113
# 14:     4    three  14 114
# 15:     5    three  15 115

两个相关的data.table问题:

melt.data.table should offer variable to match on the name, rather than the number

FR: expansion of melt functionality for handling names of output .

<小时/>

这是我认为 good'ol base::reshape 更干净的(罕见)实例之一。它的 sep 参数在这里派上用场 - “值”列的名称和“变量”列的级别都是一次性生成的:

reshape(data = B,
        varying = names(B[ , -1]),
        sep = "_",
        direction = "long")