R:如何循环遍历多个列，并将每个类别的值存储在向量中

Question

我对R.

我有一个时间序列数据集(60k行)，它也内置了一个类别。以下面的例子为例:表记录了从2001年到2009年的每一次公共汽车旅行。在这里输入图像描述

如果一个总线有多个行程，那么它就有多个具有相同总线号的行。每辆公共汽车的行程数是随机的。旅行的最少次数是一次。

我想将下面的数据帧重新构造成一个有n行的表，其中n等于唯一总线的数量，列显示每条总线穿越时间的顺序。

因此，新表中的第一行是bus1 stop 1 stop20 stop 2 stop 21。

表的第二排是公交2站4站23站5站25站6站25站7站26站8站27站。

由于这些公共汽车没有相同的行程，转换后的表/列表没有相同的列数。

我不知道重塑数据集的最佳方法是什么。我应该使用循环吗？

非常感谢

举下面的例子：

df <- data.frame(
  transport = c("bus1", "bus1", "bus2", "bus2", "bus2",  
            "bus2", "bus2", "bus2", "bus3", "bus4", "bus4", "bus4",  
            "bus4", "bus4", "bus4", "bus4", "bus4", "bus4"),
  travel_time = c(2001, 2002, 2001, 2002, 2003,
                  2004, 2005, 2006, 2001, 2001,2002,2003, 
                 2004,2005,2006,2007,2008,2009),
  from = paste("stop",seq(1,18)),
  to = paste("stop",seq(20,37))
)

Answer 1

现在还不清楚你想要什么形式，你想要的输出是什么-所以这可能不会给你确切的你想要的。(这在刚接触R的人中很常见，就像任何编程语言一样，有很多专业术语。)而且，“过滤器”不会像你想象的那样做，除非你使用的是一个你没有提到的特定库。

首先，按特定列拆分表可以用拆分来完成。下面给出了两个数据格式的列表，一个用于state == "state1"，另一个用于state == "state2“。

by_state <- split(df,df$state)

你在状态和类别之间循环--在类别上循环不会做任何事情。最后只需执行三次选择，在第二次和第三次使用相同的值覆盖by_state[sta]中的结果。

据我所知，您希望将y2001、y2002、y2003三列重新排列为单个列或向量，并删除类别列。我不太清楚您想要什么--您说的是“表”，但这是表()函数在R输出中的一种特定类型的对象，可能不是您想要的对象。根据你想要的输出，我猜“表”，你指的是向量。

现在，你想把几个向量“压缩”在一起，取c(1,1,1，.)，c(2,2,2，.)，c(3,3,3，.)(1，2，3，1，2，3，.)使用“rbind”执行此操作有一个有用的技巧。下面是如何在1，2和3的三个列表中使用它。

c(rbind(rep(1,5),rep(2,5),rep(3,5)))

这取决于R存储数组的方式，即将所有元素放在一个列的一个向量中--首先，然后坚持一个属性，告诉R它实际上是一个p-by-q数组。“‘rbind”将向量连接到一个2乘n的数组中，然后'c’删除属性并将其转换为向量，现在按正确的顺序排列。

我们希望将此过程应用于副状态列表中的每个元素。如果您来自另一种编程语言，则可能会自动考虑使用循环。这在R中通常是低效的(因为它通常涉及大量冗余内存管理)，因此养成使用函数式编程的习惯是个好主意。

我们希望对列表中的每个元素应用一个函数，返回一个结果列表。为此，我们需要“lapply”函数。

lapply(split(df,df$state), function(d){c(rbind(d$y2001,d$y2002,d$y2003))})

返回两个向量。

但有可能你确实想要一些类似于数据的东西，这是一件很有用的事情。有一个以各种方式重新排列数据的库，这已经成为了它自己的编程范例。它被称为“潮间带”，因为它可以保持数据的整洁！

这并不是研究如何正确使用它的地方，但是您的特定示例可以这样做：

library(tidyr)
as.data.frame(pivot_longer(df,cols=c("y2001","y2002","y2003"),names_to="year",values_to="value"))

它返回一个名为“tibble”的数据结构，这就像一个缩减的数据格式。(人们的想法是，不太可能去猜测你真正想要的东西，并做一些毫无帮助的事情。)如果您特别想要一个dataframe，仍然可以使用as.data.frame()函数进行转换。

Answer 2

也许有更好的方法，因为我自己也是一个R初学者，但我会这样做：

df <- data.frame(
        transport = c("bus1", "bus1", "bus2", "bus2", "bus2",  
                "bus2", "bus2", "bus2", "bus3", "bus4", "bus4", "bus4",  
                "bus4", "bus4", "bus4", "bus4", "bus4", "bus4"),
        travel_time = c(2001, 2002, 2001, 2002, 2003,
                2004, 2005, 2006, 2001, 2001,2002,2003, 
                2004,2005,2006,2007,2008,2009),
        from = paste("stop",seq(1,18)),
        to = paste("stop",seq(20,37))
)


library(tidyr)
df_bus <- df %>%
        #unpivot from/to columns into variable and value columns 
        pivot_longer(cols = c(from, to)) %>%
        #combine year information with from/to, so this information is not lost
        transform(year_fromto=paste0(travel_time, "_", name)) %>%
        #pivot the from/to columns per bus id 
        pivot_wider(id_cols= transport, names_from = year_fromto, values_from = value)

print(df_bus)

样本输出：

# A tibble: 4 × 19
  transport `2001_from` `2001_to` `2002_from` `2002_to` `2003_from` `2003_to`
  <chr>     <chr>       <chr>     <chr>       <chr>     <chr>       <chr>    
1 bus1      stop 1      stop 20   stop 2      stop 21   <NA>        <NA>     
2 bus2      stop 3      stop 22   stop 4      stop 23   stop 5      stop 24  
3 bus3      stop 9      stop 28   <NA>        <NA>      <NA>        <NA>     
4 bus4      stop 10     stop 29   stop 11     stop 30   stop 12     stop 31  
# … with 12 more variables: `2004_from` <chr>, `2004_to` <chr>,
#   `2005_from` <chr>, `2005_to` <chr>, `2006_from` <chr>, `2006_to` <chr>,
#   `2007_from` <chr>, `2007_to` <chr>, `2008_from` <chr>, `2008_to` <chr>,
#   `2009_from` <chr>, `2009_to` <chr>