r - 如何根据 R 中现有列的值和名称创建新列？

Question

我有一个包含许多列的数据集，例如 1_2014_precip 2014 年 1 月降水量。这是两个数据集的合并。第一个是农艺变量，例如在给定年份收集的 Cereal 产量。第二个是天气数据，它是在进行任何实验的整个时间段内下载的。所以我收集了一年的粮食产量，例如 2013 年，我目前有关于该地点在 2011-2019 年经历的天气的列。我想要一个数据集，其中我只有与收集产量的年份相对应的数据。
该数据集跨越所有 12 个月、7 个天气变量和 10 年。我想做2_mean_temp之类的专栏，对应于 2 月平均温度，并使用列 Year告诉 R 在哪里寻找正确的数据(因此，如果 Year 中的条目是 2019，则脚本将从现有列 2_mean_temp 中提取新列的值 2_2019_mean_temp 。我包括一个示例两年中两个月内来自两个天气变量的数据，以了解我需要如何操作它。我已经想出了如何在 Python 中执行此操作，但出于工作流程的目的，我需要能够在R. 我在 R 中的主要问题是我不知道如何根据给定列的值告诉 R 转到不同的列 - 我什至无法在没有自动化的情况下生成第一列。

    dput(head(df))
       structure(list(Experiment = c("IREE- N Rate", "IREE- N Rate", 
       "IREE- N Rate", "IREE- N Rate", "IREE- N Rate", "IREE- N Rate"), 
        Site = c("Waseca", "Waseca", "Waseca", "Waseca", "Waseca", "Waseca"), 
        Year = c(2013L, 2013L, 2013L, 2013L, 2014L, 2014L),
        `1_2013_mean_temp` = c(-8.58677419354839, -8.58677419354839, -8.58677419354839, -8.58677419354839, -8.58677419354839, -8.58677419354839), 
        `1_2013_precip` = c(14.17, 14.17, 14.17, 14.17, 14.17, 14.17), 
        `1_2014_mean_temp` = c(-14.0787096774194, -14.0787096774194, -14.0787096774194, -14.0787096774194, -14.0787096774194, -14.0787096774194), 
        `1_2014_precip` = c(21.97, 21.97, 21.97, 21.97, 21.97, 21.97), 
        `2_2013_mean_temp` = c(-7.22428571428571, -7.22428571428571, -7.22428571428571, -7.22428571428571, -7.22428571428571, -7.22428571428571), 
        `2_2013_precip` = c(27.94, 27.94, 27.94, 27.94, 27.94, 27.94), 
        `2_2014_mean_temp` = c(-13.5003571428571, -13.5003571428571, -13.5003571428571, -13.5003571428571, -13.5003571428571, -13.5003571428571), 
        `2_2014_precip` = c(28.95, 28.95, 28.95, 28.95, 28.95, 28.95)), row.names = c(195L, 223L, 245L, 271L, 196L, 224L), class = "data.frame")

这就是我希望这个数据样本在被操纵后的样子。请注意列名中没有更多年份，并且数据已从与相应年份匹配的相应列中移动(前四种情况下为 2013_month_variable，后两种情况下为 2014_month_variable)。

df2 <- data.frame(Experiment = c("IREE- N Rate", "IREE- N Rate", "IREE- N Rate", "IREE- N Rate", "IREE- N Rate", "IREE- N Rate"),
                  Site = c("Waseca", "Waseca", "Waseca", "Waseca", "Waseca", "Waseca"),
                  Year = c(2013, 2013, 2013, 2013, 2014, 2014),
                  1_mean_temp = c(-8.585774, -8.585774, -8.585774, -8.585774, -14.07871, -14.07871),
                  1_precip = c(14.17, 14.17, 14.17, 14.17, 21.97, 21.97),
                  2_mean_temp = c(-7.224286,-7.224286, -7.224286, -7.224286, -13.50036, -13.50036),
                  2_precip = c(27.94, 27.94, 27.94, 27.94, 28.95, 28.95))

这是我在 Python 中的做法。

    months = ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']
    variables = ['mean_temp', 'mean_max_temp', 'mean_min_temp', 'min_min_temp', 'mean_rh', 'precip', 'VPD']
    years = [2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
    
   for m in months:
           for var in variables:
               for year in years:
                    try:
                        df.loc[(df['Year'] == year), '_' + m + '_' + var] = df[m + '_' + year + '_' + var]
                    except:
                        print(year + '_' + m + '_' + var)

我可以在 R 中使用 for 循环重新创建列名，然后我就卡住了。我试过在没有自动化的情况下这样做，但我似乎无法找到一种方法让 R 根据不同列的值来查询哪一列 R 的值。

years <- list("2013", "2014")
months <- list("1", "2")
vars <- list("mean_temp", "precip")
for (year in years) (
  for (month in months) (
    for (var in vars) {
      x = paste(year,"_", month,"_",var, sep="") 
    }
  )
)

按年份 reshape 不会解决问题，因为它会创建像“2013_2011_1_mean_temp”这样的无意义列，并且不会自动将天气数据连接到收集 Cereal 的适当年份。

Answer 1

我相信这是您正在寻找的结果；此解决方案使用 tidyverse 函数。

library(tidyverse)

# create empty tibble to store results
df.out <- tibble()

# loop over years
for (i in unique(df$Year)) {

  this.year <- df %>%
    # grab number of rows for this year
    filter(Year == i) %>%
    # only grab the weather columns for this specific year
    select(Experiment, Site, Year, contains(paste0("_", i, "_"))) %>%
    # this function uses a regex to rename columns with "_" and the current year by removing the part of the name with "_" then 4 numbers
    rename_with(function(x) {str_replace(x, "\\_[0-9][0-9][0-9][0-9]", "")}, contains(paste0("_", i, "_")))
  
  # add this year to your output tibble
  df.out <- df.out %>%
    bind_rows(this.year)
  
}