如何获取唯一 ID 并将另一列的每一行转换为 R 和 Python 中的另一列

Question

我的数据具有以下形式：groups <- c("4","4.2","4.2.1","4.2.1.1", "1", "1.2", "1.2.1", "1.2.1.2","1.2.1.2.1")x <- data.frame(ID = c(rep("samp_1", 4), rep("samp_2", 5)), Group = groups)我如何得到这个？：ID       col_1   col_2   col_3   col_4     col_5samp_1   4       4.2     4.2.1   4.2.1.1   NAsamp_2   1       1.2     1.2.1   1.2.1.2   1.2.1.2.1每列将由字符串的长度决定，因此第 4 列中的所有数据的长度均为 4（或包括点在内的长度为 7）。我正在寻找最通用的解决方案（例如使用循环；使用尽可能少的包）因为我需要在 R 和 Python 中实现它。

Answer 1

在中，我们可以使用(from )R为新名称创建一个列，并将其转换为“宽”格式rowiddata.table

library(dplyr)

library(data.table)

library(stringr)

x %>%

   mutate(name = str_c('col_', rowid(ID))) %>% 

   pivot_wider(names_from = name, values_from = Group)

# A tibble: 2 x 6

#  ID     col_1 col_2 col_3 col_4   col_5    

#  <chr>  <chr> <chr> <chr> <chr>   <chr>    

#1 samp_1 4     4.2   4.2.1 4.2.1.1 <NA>     

#2 samp_2 1     1.2   1.2.1 1.2.1.2 1.2.1.2.1

或使用data.table

library(data.table)

dcast(setDT(x), ID ~ paste0('col_', rowid(ID)), value.var = 'Group')

#       ID col_1 col_2 col_3   col_4     col_5

#1: samp_1     4   4.2 4.2.1 4.2.1.1      <NA>

#2: samp_2     1   1.2 1.2.1 1.2.1.2 1.2.1.2.1

或base R与reshape

reshape(transform(x, name = paste0('col_', ave(seq_along(ID), ID, 

    FUN = seq_along))), idvar = 'ID', direction = 'wide', timevar = 'name')

Answer 2

akrun 的优秀选择。如果数据有点乱，你可能想试试这个：

x %>%

  mutate(temp = str_c('col_', str_count(Group, "\\."))) %>%

  pivot_wider(names_from = temp, values_from = Group) %>%

  select(ID, order(colnames(.)))

数据：

groups <- c("41.2","4","4.2.1","4.2.1.1", "1", "1.2", "1.2.1", "1.2.1.2","1.2.1.2.1")

x <- data.frame(ID = c(rep("samp_1", 4), rep("samp_2", 5)), Group = groups)

结果：

# A tibble: 2 x 6

  ID     col_0 col_1 col_2 col_3   col_4    

  <chr>  <chr> <chr> <chr> <chr>   <chr>    

1 samp_1 4     41.2  4.2.1 4.2.1.1 NA       

2 samp_2 1     1.2   1.2.1 1.2.1.2 1.2.1.2.1

Answer 3

你可以在 python 中试试这个：

import pandas as pd

import numpy as np

df= pd.DataFrame({'ID':np.repeat(["samp_1","samp_2"],[4,5]),

                 'groups':["4","4.2","4.2.1","4.2.1.1", "1", "1.2", "1.2.1", "1.2.1.2","1.2.1.2.1"],})

df['entry']=df.groupby(['ID']).cumcount()+1

我们为每组提供一个数字，并将其添加为entry列。下面我们像在 R 中一样进行旋转，使用该列提供列名，最后我们重置索引：

df.pivot(values='groups',columns='entry',index='ID').reset_index()

entry   ID  1   2   3   4   5

0   samp_1  4   4.2 4.2.1   4.2.1.1 NaN

1   samp_2  1   1.2 1.2.1   1.2.1.2 1.2.1.2.1