铸造数据(R)

Question

我有一个数据集与4个不同的处理列出在一栏。它们是治疗1、治疗2、治疗3和治疗4，其结果显示在另一列中。我正在尝试转换数据，以便我可以运行一个anova，看看哪种治疗是最有效的。但是当我尝试使用cast函数时，我会得到一条错误消息。我如何将治疗分为4个单独的列，它们在旁边的列中有多有效。还有另一列，列出了观察编号。

Answer 1

您可以使用reshape()函数在基R中这样做。演示：

set.seed(1);
df <- data.frame(obs=rep(1:3,each=4), treatment=rep(1:4,3), effect=rnorm(12,50,20) );
df;
##    obs treatment   effect
## 1    1         1 37.47092
## 2    1         2 53.67287
## 3    1         3 33.28743
## 4    1         4 81.90562
## 5    2         1 56.59016
## 6    2         2 33.59063
## 7    2         3 59.74858
## 8    2         4 64.76649
## 9    3         1 61.51563
## 10   3         2 43.89223
## 11   3         3 80.23562
## 12   3         4 57.79686
reshape(df,dir='w',idvar='obs',timevar='treatment');
##   obs effect.1 effect.2 effect.3 effect.4
## 1   1 37.47092 53.67287 33.28743 81.90562
## 5   2 56.59016 33.59063 59.74858 64.76649
## 9   3 61.51563 43.89223 80.23562 57.79686

您遇到的问题是您的OBS列在每长格式记录中都是唯一的。reshape()依赖于能够使用idvar来识别何时应该将不同的长格式记录组合成单一的宽格式记录。正如您在上面的示例数据中所看到的，四个带有obs=1的长格式记录被组合成一个单一的宽格式记录，obs=2和obs=3也是如此。

换句话说，在reshape()试图决定如何将data.frame转换为wide格式时，在long格式中唯一的id列是无用的。事实上，除非您创建具有这些键值的并行宽列，否则根本无法保留宽格式的OBS数据，但我认为您不想这样做。

通过将OBS列重新计算为每个宽格式的唯一记录，可以解决这个问题。这可以使用transform()和ave()进行，并通过treatment进行分组，这样每个唯一的treatment都可以获得自己的观察序列。演示：

set.seed(2);
df <- data.frame(obs=1:12, treatment=rep(1:4,3), effect=rnorm(12,50,20) );
df;
##    obs treatment   effect
## 1    1         1 32.06171
## 2    2         2 53.69698
## 3    3         3 81.75691
## 4    4         4 27.39249
## 5    5         1 48.39496
## 6    6         2 52.64841
## 7    7         3 64.15909
## 8    8         4 45.20604
## 9    9         1 89.68948
## 10  10         2 47.22426
## 11  11         3 58.35302
## 12  12         4 69.63506
reshape(transform(df,obs=ave(1:nrow(df),df$treatment,FUN=seq_along)),dir='w',idvar='obs',timevar='treatment');
##   obs effect.1 effect.2 effect.3 effect.4
## 1   1 32.06171 53.69698 81.75691 27.39249
## 5   2 48.39496 52.64841 64.15909 45.20604
## 9   3 89.68948 47.22426 58.35302 69.63506

通过一些演绎的逆向工程，我想我已经能够破解你的数据是什么样的格式，根据你贴在评论中的内容。下面演示了我为综合数据提供的解决方案，我认为这与您自己的解决方案非常相似：

set.seed(33);
df <- data.frame(OBS=1:12, Treatment=c('PyrI','PyrII','Keto','Placebo')[rep(1:4,each=3)], Flaking=as.integer(rnorm(12,16,2)) );
df;
##    OBS Treatment Flaking
## 1    1      PyrI      15
## 2    2      PyrI      15
## 3    3      PyrI      18
## 4    4     PyrII      15
## 5    5     PyrII      11
## 6    6     PyrII      16
## 7    7      Keto      14
## 8    8      Keto      17
## 9    9      Keto      17
## 10  10   Placebo      13
## 11  11   Placebo      16
## 12  12   Placebo      15
reshape(transform(df,OBS=ave(1:nrow(df),df$Treatment,FUN=seq_along)),dir='w',idvar='OBS',timevar='Treatment');
##   OBS Flaking.PyrI Flaking.PyrII Flaking.Keto Flaking.Placebo
## 1   1           15            15           14              13
## 2   2           15            11           17              16
## 3   3           18            16           17              15

Answer 2

我会做这样的事

你的数据：

df <- data.frame(group = rep(LETTERS[1:4], 4), scores = runif(16))

假设您的数据是两列，一列指定组，另一列中有值。下面的第一个部分所做的是统计每个组的出现情况，然后相应地传播数据。

library(tidyr)
library(dplyr)

df %>% group_by(group) %>% mutate(count = row_number())  %>% spread(group, scores) 

结果：

 count         A         B          C          D
1     1 0.6211185 0.2278333 0.68751500 0.03104363
2     2 0.4507366 0.1834150 0.05700584 0.18217047
3     3 0.3411344 0.4382062 0.23057716 0.85572707
4     4 0.8514964 0.8386036 0.95319578 0.76257128

您的值会有所不同，因为这些值是随机生成的，而我忘了使用set.seed。如果每个组的病例数不均衡，它将用NAs填充空单元格。

Answer 3

我的印象是，您试图像描述的这里那样计算虚拟编码列。如果将处理声明为“因子”，则大多数回归函数都会自动执行此操作。

如果需要手动执行此操作，心理库将提供函数虚拟代码(看见)。

示例(从@jalapic窃取的测试数据)：

df <- data.frame(group = rep(LETTERS[1:4], 4), scores = runif(16))
library(psych)
cbind(dummy.code(df$group), df)

给予：

   A B C D group     scores
1  1 0 0 0     A 0.73130714
2  0 1 0 0     B 0.60615966
3  0 0 1 0     C 0.74046980
4  0 0 0 1     D 0.13636377
5  1 0 0 0     A 0.33951820
6  0 1 0 0     B 0.95789481
7  0 0 1 0     C 0.26756629
8  0 0 0 1     D 0.71264870
9  1 0 0 0     A 0.87482811
10 0 1 0 0     B 0.69434779
11 0 0 1 0     C 0.92821292
12 0 0 0 1     D 0.70466255
13 1 0 0 0     A 0.30458528
14 0 1 0 0     B 0.90092407
15 0 0 1 0     C 0.77997403
16 0 0 0 1     D 0.05661558