在R数据框中堆叠不平衡的数据

Question

我有一些数据数组需要组合（堆叠）到一个数据框中进行分析。但是，某些个体的数据缺失。由于我事先不知道变量的完整列表，因此希望找到一种灵活的解决方案来堆叠这些数据。

示例：

a <- c(1,2,3,4,5,6)
names(a) <- c("A","B","C","D","E","F")
b <- c(1,1,1,1)
names(b) <- c("C","F","G","H")
c <- c(2,2,2)
names(c) <- c("A","D","H")

期望的结果：

result <- data.frame(rbind(
                    c(1,2,3,4,5,6, NA, NA),
                    c(NA, NA, 1, NA, NA, 1, 1 , 1),
                    c(2, NA, NA, 2, NA, NA, NA, 2) ) )

names(result) <- c("A","B","C","D","E","F","G","H") 
result

当第四行数据到来时，理想情况下，它应该被添加到现有的变量中（如果适用），在缺失值处显示NA，并在数据框中添加新变量（如果尚不存在）。可能可以编写一些复杂的（慢速）for循环，但必须有一个函数/包允许这样做。

- Raynor

Answer 1

你可以尝试这个。

df.list = list(data.frame(a, ind = names(a)),
               data.frame(b, ind = names(b)),
               data.frame(c, ind = names(c)))

out = Reduce(function(...) merge(..., by = 'ind', all = T), df.list)

result = setNames(data.frame(t(out[,-1])), out$ind)

#   A  B  C  D  E  F  G  H
#a  1  2  3  4  5  6 NA NA
#b NA NA  1 NA NA  1  1  1
#c  2 NA NA  2 NA NA NA  2

- Veerendra Gadekar

Answer 2

今日免费次数已满, 请开通会员/明日再来

n <- unique(c(names(a), names(b), names(c)))
m <- t(sapply(list(a, b, c), function(x) x[match(n, names(x))]))
colnames(m) <- n

结果是：

print(m)
#      A  B  C  D  E  F  G  H
#[1,]  1  2  3  4  5  6 NA NA
#[2,] NA NA  1 NA NA  1  1  1
#[3,]  2 NA NA  2 NA NA NA  2

如果需要的话，您可以使用as.data.frame(m)将其转换为data.frame。

---

或者，如果您先将向量放入列表中，那么可以这样做：

l <- list(a, b, c)
n <- unique(unlist(lapply(l, names)))
m <- t(sapply(l, function(x) x[match(n, names(x))]))
colnames(m) <- n

- talat

---

我接受这个答案，因为它简单、优雅，并且对我的目的最有帮助。 - Raynor

Answer 3

如果你只是处理命名的数字向量，那么下面是另一个基于R语言的选项。显而易见的区别是使用0代替NA，但如果需要的话，你也可以替换它们：

vec <- c(a, b, c)
rows <- rep(1:3, lengths(list(a, b, c)))
xtabs(vec ~ rows + names(vec))
#     names(vec)
# rows A B C D E F G H
#    1 1 2 3 4 5 6 0 0
#    2 0 0 1 0 0 1 1 1
#    3 2 0 0 2 0 0 0 2

这里是一个函数：

---

myFun <- function(...) {
  lst <- list(...)
  vec <- unlist(unname(lst))
  rows <- rep(seq_len(length(lst)), lengths(lst))
  xtabs(vec ~ rows + names(vec))
}

myFun(a, b, c)

- A5C1D2H2I1M1N2O1R2T1

Answer 4

你也可以使用dplyr包和bind_rows函数，但是你需要先将向量转换为data.frame。

library(dplyr)
a <- c(1,2,3,4,5,6)
names(a) <- c("A","B","C","D","E","F")
b <- c(1,1,1,1)
names(b) <- c("C","F","G","H")
c <- c(2,2,2)
names(c) <- c("A","D","H")

### Dataframe with one row and vector name as column name
a <- as.data.frame(t(a))
b <- as.data.frame(t(b))
c <- as.data.frame(t(c))
## str(a)
## 'data.frame':    1 obs. of  6 variables:
##  $ A: num 1
##  $ B: num 2
##  $ C: num 3
##  $ D: num 4
##  $ E: num 5
##  $ F: num 6

bind_rows(a, b, c) ### or bind_rows(list(a, b, c))
##       A     B     C     D     E     F     G     H
##   (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl)
## 1     1     2     3     4     5     6    NA    NA
## 2    NA    NA     1    NA    NA     1     1     1
## 3     2    NA    NA     2    NA    NA    NA     2

- dickoa

---

这个很好用，谢谢！但是，在我的应用程序中，当我有一个数据框包含1个TRUE/FALSE逻辑变量时，它就出问题了。 - Raynor