基于列名首字母的子集数据框

Question

我有一个大型数据框架，其中有多个列表示不同的变量，这些变量是针对不同的个体测量的。列的名称始终以数字开头(例如1:18)。我想要将df子集，并为每个人创建单独的dfs。下面是一个示例：

x <- as.data.frame(matrix(nrow=10,ncol=18))
colnames(x) <- paste(1:18, 'col', sep="")

我的实际df的列名是由单个ID、变量名和度量值的编号组成的(我对每个变量取了3个度量值)。例如，我有针对个体1的度量b (body)，然后在df中，我将有3列命名为: 1b1，1b2，1b3。最后我有10个不同的区域(身体，头部，尾巴，尾部底部，背部，侧翼，腹部，喉部，前臂，腿)。所以对于每个人，我有30列(10个区域x每个区域3个度量值)。所以我有多个变量，以不同的数字开头，我想根据它们的唯一数字进行子集。我尝试使用grep：

partialName <- 1
df2<- x[,grep(partialName, colnames(x))]
colnames(x)
[1] "1col" "2col" "3col" "4col" "5col" "6col" "7col" "8col" "9col" "10col" 
"11col" "12col" "13col" "14col" "15col" "16col" "17col" "18col"

我的问题在这里，正如你所看到的，它没有分离个体，因为1和10在子集内。换句话说，这将选择从1开始的每个人。最终，我想要做的是循环遍历我所有的个体(1:18)，为每个个体创建新的dfs。

Answer 1

我认为将数据保存在一个data.frame中是最好的选择。或者将其放入data.frame的列表中，这使得提取每个人的汇总统计信息变得容易得多。

首先创建一些示例数据：

df = as.data.frame(matrix(runif(50 * 100), 100, 50), stringsAsFactors = FALSE)
names_variables = c('spam', 'ham', 'shrub')
individuals = 1:100
column_names = paste(sample(individuals, 50), 
                     sample(names_variables, 50, TRUE), 
                     sep = '')
colnames(df) = column_names

我首先要做的是使用melt将数据从宽格式转换为长格式。这实际上是将所有列堆叠在一个大向量中，并添加一个额外的列来说明它来自哪一列：

library(reshape2)
df_melt = melt(df)
head(df_melt)
  variable      value
1    85ham 0.83619111
2    85ham 0.08503596
3    85ham 0.54599402
4    85ham 0.42579376
5    85ham 0.68702319
6    85ham 0.88642715

然后我们需要将ID号从变量中分离出来。这里的假设是变量的数字部分是个人ID，文本是变量名：

library(dplyr)
df_melt = mutate(df_melt, individual_ID = gsub('[A-Za-z]', '', variable),
                          var_name = gsub('[0-9]', '', variable))

实质上删除了字符串中不需要的部分。现在我们可以做一些很好的事情，比如：

mean_per_indivdual_per_var = summarise(group_by(df_melt, individual_ID, var_name), 
                                       mean(value))
head(mean_per_indivdual_per_var)
  individual_ID var_name mean(value)
1            63     spam   0.4840511
2            46      ham   0.4979884
3            20    shrub   0.5094550
4            90      ham   0.5550148
5            30    shrub   0.4233039
6            21      ham   0.4764298

Answer 2

看起来您的colnames是data.frame的标准a，所以要获得第1列，您可以这样做：

df2 <- df[,1] #Where 1 can be changed to the number of column you wish.

不需要通过部分名称进行子集。尽管不建议您这样做，但您可以创建一个循环来执行此操作：

for (i in ncol(x)){
  assing(paste("df",i), x[,i]) #I use paste to get a different name for each column
}

尽管@paulhiemstra解决方案避免了这个循环。

因此，有了新的信息，您就可以使用grep随心所欲地执行操作，但要特别指出您期望的匹配数：

df2<- x[,grep("1{30}", colnames(x))]