基於列名的第一個字母的子集數據框

Question

我有一個大型數據框，其中多列代表不同個體的不同變量。 列的名稱始終以數字開頭（例如1:18）。 我想將df分組並為每個人創建separete dfs。 這是一個例子：

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

我的真實df的列名是個人ID，變量名和度量數的組合（我對每個變量采取了3個度量）。 因此，例如，我有個人1的度量b（正文），然后在df我將有3列名為：1b1,1b2,1b3。 最后我有10個不同的區域（身體，頭部，尾部，尾巴，背部，側腹，腹部，喉部，前臂，腿部）。 因此，對於每個人，我有30列（10個區域x每個區域3個度量）。 所以我有多個變量以不同的數字開頭，我想根據它們的唯一數字進行子集化。 我嘗試使用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"

我在這里的問題，因為你可以看到它並沒有將個體分開，因為1和10在子集中。 換句話說，這會選擇每個以1開頭的人。最終我想要做的就是遍歷我的所有人（1:18），為每個人創建新的dfs。

Answer 1

我認為將數據保存在一個data.frame是最好的選擇。 要么是這樣，要么把它放入data.frame的列表中。 這樣可以更輕松地輕松提取每個人的摘要統計信息。

首先創建一些示例數據：

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將數據從寬格式轉換為長格式。 這基本上將所有列堆疊在一個大向量中，並添加一個額外的列，告訴它來自哪個列：

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

然后我們需要將ID號與變量分開。 這里假設變量的數字部分是單個ID，文本是變量名稱：

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

基本上刪除不需要的部分字符串。 現在我們可以做很多好事：

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

您的colnames似乎是colnames的標准名稱，因此要獲得第1列，您可以執行以下操作：

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

無需按部分名稱進行子集化。 雖然不建議您創建一個循環來執行此操作：

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

雖然@paulhiemstra解決方案避免了循環。

因此，使用新信息，您可以按照自己的意願使用grep，但具體說明您期望的匹配數量：

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