Comment remodeler les données du format long au format large

Question

J'ai des difficultés à réorganiser le cadre de données suivant :

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

Je veux le remodeler de façon à ce que chaque variable unique "nom" soit un rowname, avec les "valeurs" comme observations sur cette ligne et les "nombres" comme colnames. Un peu comme ceci :

     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

J'ai regardé melt et cast et quelques autres choses, mais rien ne semble faire l'affaire.

Answer 1

Utilisation de reshape fonction :

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

Answer 2

Le nouveau (en 2014) tidyr fait également cela simplement, avec gather() / spread() étant les termes pour melt / cast .

Edit : Aujourd'hui, en 2019, tidyr v 1.0 a été lancé et a mis en place spread et gather sur un chemin de dépréciation, préférant plutôt pivot_wider et pivot_longer que vous pouvez trouver décrit dans cette réponse . Lisez la suite si vous voulez avoir un bref aperçu de la brève vie de spread/gather .

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

De github ,

tidyr est un recadrage de reshape2 conçu pour accompagner le cadre de données ordonnées, et pour travailler main dans la main avec magrittr et dplyr pour construire un pipeline solide pour l'analyse des données.

Tout comme reshape2 a fait moins que de remodeler, tidyr fait moins que reshape2 . Il est conçu spécifiquement pour le rangement des données, et non pas pour le remodelage général que l'on peut faire avec les données. reshape2 fait, ou l'agrégation générale que reshape a fait. En particulier, les méthodes intégrées ne fonctionnent que pour les cadres de données, et tidyr ne fournit aucune marge ni agrégation.

Answer 3

Vous pouvez le faire avec le reshape() ou avec la fonction melt() / cast() dans le paquet reshape. Pour la deuxième option, le code d'exemple est

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

Ou en utilisant reshape2

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

Answer 4

Une autre option si la performance est un souci est d'utiliser data.table L'extension par l'UE de reshape2 fonctions melt & dcast de l'entreprise

( Référence : Remaniement efficace à l'aide de 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

Et, à partir de data.table v1.9.6, nous pouvons effectuer des castings sur plusieurs colonnes.

## 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

Answer 5

En utilisant votre exemple de dataframe, nous pourrions :

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