我是一个R和stackoverflow noob，所以如果这个问题不合适，或者结构不好，请原谅。
我正试图编写一些R代码，将一个nrow x ncol表/数据帧转换为一个数据帧，每行包括：原始表/数据框架的RowNumber、Column Number、Value from Columnj、rowI。
我有很多表/数据帧，我想对它们进行类似的处理，每个表都有不同数量的行、列。。。
在这个例子中，我有一个6行乘9列的数据帧，我想把它转换成一个有54行的数据帧：
#create example data
values <- rnorm(54, mean = 75, sd=3)
table_m <- matrix(values, ncol=9)
table <- as.data.frame(table_m)
到目前为止，我的代码如下：
##count rows and columns
nrows <- nrow(table)
ncols <- ncol(table)
#set up empty matrix for output
iterations <- nrows * ncols
variables <- 3
output <- matrix(ncol=variables, nrow=iterations)
#set up first empty vector
my_vector_1 = c()
#run first nested for loop to create sequence of nrow * copies of column numbers
for (j in 1:ncol(table))
for (i in 1:nrow(table))
{
my_vector_1[length(my_vector_1)+1] = colnames(table)[j]
}
# add to first column of output
output[,1] <- my_vector_1
# set up second empty vector
my_vector_2 = c()
#run second nested for loop to create sequence of ncol * copies of row numbers
for (j in 1:ncol(table))
for (i in 1:nrow(table))
{
my_vector_2[length(my_vector_2)+1] = rownames(table)[i]
}
# add to second column of output
output[,2] <- my_vector_2
#create third empty vector
my_vector_3 = c()
#run third nested for loop to pull values from original table/dataframe
for (j in 1:ncol(table))
for (i in 1:nrow(table))
{
my_vector_3[length(my_vector_3)+1] = table[i,j]
}
output[,3] <- my_vector_3
所以，这个代码是有效的，并且做了我需要的。。。但在我的状态下，它是从谷歌上大量搜索拼凑而成的，看起来很不雅。特别是，创建中间向量，然后将它们分配给输出数据帧列似乎有点麻烦，但我无法将值直接放入输出数据帧的列中。
任何关于如何改进代码的想法，都将非常受欢迎。
非常感谢。。。
这是一种很好的方法，但肯定可以用更短的方式。尝试：
table$id <- 1:nrow(table) # Create a row no. column
tidyr::pivot_longer(table, cols = -id)
# A tibble: 54 x 3
id name value
<int> <chr> <dbl>
1 1 V1 70.3
2 1 V2 72.8
3 1 V3 76.1
4 1 V4 73.1
5 1 V5 71.9
6 1 V6 73.8
7 1 V7 76.4
8 1 V8 74.1
9 1 V9 75.5
10 2 V1 73.8
# ... with 44 more rows
我们在这里干什么？
首先，我们添加"；行名"；作为数据的列(因为出于某种原因，您希望将它们保留在生成的数据帧中。然后，我们使用tidyr包中的pivot_longer()函数。你想对数据做的是重塑。在R、(reshape()、reshape2库或tidyr中的函数pivot_longer()、pivot_wider()中有很多这样做的可能性
我们希望拥有我们的"；宽"；数据在"；"长"；表单(你可能想看看这张备忘单，尽管函数gather()和spread()被pivot_longer()和pivot_wider()取代了，但它们的作用基本相同
使用函数参数cols = -id，我们指定除了id之外的所有变量都应该出现在新数据帧的值列中。
如果您希望得到一个矩阵作为结果，只需对新创建的对象运行as.matrix()即可。
基于@hello_friend上面建议的答案，我能够在基本R中提出这个解决方案：
##Set up example data
values <- rnorm(54, mean = 75, sd=3)
table_m <- matrix(values, ncol=9)
df <- as.data.frame(table_m)
##Create intermediate vectors
total_length <- nrow(df)*ncol(df)
statment_count <- rep(seq_along(1:nrow(df)),each =ncol(df), length.out=total_length)
site_count <- rep(seq_along(1:ncol(df)),length.out=total_length)
value = c(t(df))
##join vectors into data frame
output <- data.frame(site = site_count,
statement = statment_count,
value = value
)
##sort output
output <- output[with(output, order(site, -statement)), ]
这肯定比我最初使用的for循环系列更简单、更直观。希望这能帮助其他正在寻找类似问题的基本R解决方案的人。
此外，为了完整性，我们为@Ben和@Ronak Shah 提出的tidyverse解决方案添加了"完整"解决方案
##Set up example data
values <- rnorm(54, mean = 75, sd=3)
table_m <- matrix(values, ncol=9)
table <- as.data.frame(table_m)
output_2 <- table %>%
mutate(statement = row_number()) %>%
pivot_longer(cols = -statement)%>%
rename(site = name)%>%
relocate(site) %>%
mutate(site = as.numeric(gsub("V", "", site))) %>%
arrange(site, desc(statement))
基本R解决方案：
data.frame(c(t(df)))
如果我们想知道原始数据中的值属于哪个V矢量。帧：
data.frame(var = paste0("V", seq_along(df)), val = c(t(df)))
还包括行索引：
transform(data.frame(var = paste0("V", seq_along(df)), val = c(t(df)), stringsAsFactors = F),
idx = ave(var, var, FUN = seq.int))
一个更健壮的解决方案(给定@r2evans推理(：
transform(data.frame(var = names(df), val = do.call("c", df),
stringsAsFactors = FALSE, row.names = NULL), idx = ave(var, var, FUN = seq.int))
使用stack()的另一个更稳健的解决方案：
transform(data.frame(stack(df), stringsAsFactors = FALSE, row.names = NULL),
idx = ave(as.character(ind), ind, FUN = seq.int))
2020年12月29日编辑：强大的解决方案镜像@Ben’s，但在Base R:中
transform(data.frame(name = as.character(rep(names(df), nrow(df))), value = c(t(df)),
stringsAsFactors = FALSE), id = ave(name, name, FUN = seq.int))
最直接的BaseR解决方案(反映Ben的回答(：
# Flatten the data.frame:
stacked_df <- setNames(within(stack(df), {
# Coerce index to character type (to enable counting):
ind <- as.character(ind)
# Issue a count to each ind element:
id <- ave(ind, ind, FUN = seq.int)
}
# Rename the data.frame's vector match Ben's accepted solution:
), c("value", "name", "id"))
# Order the data.frame as in Ben's answer:
ordered_df <- with(stacked_df, stacked_df[order(id), c("id", "name", "value")])
数据：
values <- rnorm(54, mean = 75, sd=3)
table_m <- matrix(values, ncol=9)
df <- as.data.frame(table_m)