R中整形包中循环dcast函数的实现

Question

作为一个相对较新的R用户，我在任何循环功能上都有问题。我看过许多教程，但它们中的示例通常是非常基本的，因此易于执行。然而，我需要创建稍微复杂的循环，并且在弄清楚如何做到这一点上遇到了很多困难。有一些相关的循环问题在这里和其他论坛上，但没有完全符合我的需要，虽然我已经尝试适应其他的答案，我目前的问题，我不断地遇到错误。

我有2000份.csv文件，其中的数据以长格式的格式显示(简化的示例)：

solution1    
> sol1     sol2     Istat
> s1       s2       0.435
> s1       s3       0.456
> s1       s4       0.845
> s1       s5       0.234

它基本上是对我所拥有的2000种独立解决方案的两两比较的总结，以及以“Istat”值概括的解决方案之间的相似性。

我正在尝试将这些2000 .csv文件中的每一个转换为宽格式表(使用R中的reshape包)，因此它们看起来类似于(下面的示例)：

     s1     s2     s3     s4     s5
s1   NA     0.435  0.456  0.845  0.234

我知道如何用一个.csv文件只做一次：

stat.cast <- dcast(solution1, sol2 ~ sol1, value.var="Istat")

但我似乎无法将其转化为for循环函数，甚至不能使用lapply，这似乎也是一个可能的解决方案。

使用for函数所能得到的最接近的：

 # Get files from directory
loopout = "/Users/jc219806/Documents/Chapter 1/ANALYSES/R work/Istat/last_LoopOut/"
# List of file names inside folder
solutions <- list.files(loopout)
# Read all 2000 files inside
all.data <- lapply(solutions, read.csv, header=TRUE)
# Loop for performing reshape cast function to each listed dataframe
for (i in 1:length(all.data))
  {
  all.cast <- dcast(all.data, sol2 ~ sol1, value.var="Istat")
  }

但是它一直给我一个错误，即它无法从输入中识别"Istat“值--尽管它在我拥有的数据列表中(上面代码中的”解决方案“对象)。

并使用lapply函数：

lapply(solutions, dcast(all.data, sol2 ~ sol1, value.var="Istat"))

我得到了相同类型的错误：

Error: value.var (Istat) not found in input

我不明白为什么，因为它被列在数据文件列表中，作为每个2000数据文件中的一个变量。我似乎没有让它正确地遍历我的每个2000 .csv文件，但我不知道如何修复它。我还在想，是否也可以编写代码，以便按照列名将所有2000输出循环起来？这太疯狂了。

我希望这不是我所认为的那样复杂的问题。任何帮助(连同一些详细的解释)或有用的方向，都将受到广泛和真诚的感谢。谢谢

Answer 1

我会melt你的"all.data“列表，然后把它写成一个宽格式。类似于：

## Sample data
set1 <- set2 <- data.frame(sol1 = c("s1", "s1", "s1", "s1"), 
                   sol2 = c("s2", "s3", "s4", "s5"), 
                   Istat = c(0.435, 0.456, 0.845, 0.234))
set2$Istat <- set2$Istat + 1 ## Just to see some different data

all.data <- mget(ls(pattern = "set\\d+")) ## use your actual object

## The reshaping
library(reshape2)
dcast(melt(all.data, id.vars = c("sol1", "sol2")), 
      L1 + sol1 ~ sol2, value.var = "value")
#     L1 sol1    s2    s3    s4    s5
# 1 set1   s1 0.435 0.456 0.845 0.234
# 2 set2   s1 1.435 1.456 1.845 1.234

如果您的"all.data“对象有名称，"L1”将反映这些名称，从长远来看，这是相当方便的。

Answer 2

你写道：

for (i in 1:length(all.data))
  {
  all.cast <- dcast(all.data, sol2 ~ sol1, value.var="Istat")
  }

你应该写的是：

all.cast <- list()
for (i in 1:length(all.data)) {
  all.cast[[i]] <- dcast(all.data[[i]], sol2 ~ sol1, value.var = "Istat")
}

但一个更"R-esque“的解决方案是：

all.cast <- lapply(all.data, dcast, sol2 ~ sol1, value.var = "Istat")

希望这能说明你做错了什么。

Answer 3

"all.data“是一组数据格式。要循环列表，可以使用lapply和匿名函数调用(只是为了清楚起见)，并对其应用dcast。

library(reshape2)
lapply(all.data, function(x) dcast(x, sol1 ~ sol2, value.var="Istat"))

或者不执行单独的dcast，列表可以是对每个列表元素使用分组变量的数据文件的rbind，然后从library(tidyr)执行dcast或spread。

library(dplyr)
library(tidyr)
unnest(all.data, group) %>% 
                  spread(sol2, Istat)

或者使用data.table

library(data.table)
dcast(rbindlist(Map(cbind, all.data, group=seq_along(all.data))),
                 group + sol1 ~sol2, value.var='Istat')

数据

all.data <- structure(list(solution1 = structure(list(sol1 = c("s1", 
"s1", 
"s1", "s1"), sol2 = c("s2", "s3", "s4", "s5"), Istat = c(0.435, 
0.456, 0.845, 0.234)), .Names = c("sol1", "sol2", "Istat"), 
class =     "data.frame", row.names = c(NA, 
-4L)), solution2 = structure(list(sol1 = c("s1", "s1", "s1", 
"s1"), sol2 = c("s2", "s3", "s4", "s5"), Istat = c(0.42, 0.536, 
0.945, 0.324)), .Names = c("sol1", "sol2", "Istat"), 
class =    "data.frame", row.names = c(NA, 
-4L))), .Names = c("solution1", "solution2"))