切换数据框中的列和行，并在单独的列标题下列出观察结果以执行 Anova：单因素

Posted 2023-02-16

【中文标题】切换数据框中的列和行，并在单独的列标题下列出观察结果以执行 Anova：单因素

【英文标题】：Switching columns and rows in a data frame, and listing the observations under seperate column headings to perform an Anova: Single Factor

【发布时间】：2019-06-16 07:15:06

【问题描述】：

概述

我有一个名为 df1 的数据框，其中包含两列：(1) Urbanisaiton_index（包含**四个子级别 (1-4)；和 (2 ) Canopy_Index

对于数据分析，我想进行一次 ANOVA 来区分 Urbanisation_index 的子级别组内部和之间的总体方差，以了解 Canopy_Index 的差异。这个想法是为了区分不同程度的城市化是否会影响树种Quercus petraea的冠层覆盖程度。

为了进行方差分析，我需要翻转数据框中的列并创建一个新的数据框。我希望列标题为 1、2、3、4，以表示 Urbanisation_index 的四个组或/子级别的差异。其次，我想将属于每个子级别的 Canopy_Index 值列出到其特定的子级别列中（请参阅所需的结果）。

一旦构建了所需的新数据框，数据将以正确的格式分组以进行方差分析。

我尝试了许多不同的方法，例如转置，但我无法弄清楚如何将 urbansation_index 子级别 (1-4) 列为列标题并编译它们相关的 Canopy_Index 值（即每个 Urbanisation_index 子级别的 Canopy_Index 的行数) 在其特定列的下方。

例如，如果数据框针对 Urbanisation_index 进行了过滤，子级别 1，Canopy_Index 可能有 6 个观测值（5、5、5、5、55、55），我希望它们列在列下方新数据框中的标题 1，如下所示。

如果有人能提供帮助，我将不胜感激。

Rcode

##transpose
  t(df1)

期望的结果

 1   2   3   4
65  55   5  35
45  85  55  45
75  75  15  25

数据

    structure(list(Urbanisation_index = c(2, 2, 4, 4, 3, 3, 4, 4, 
4, 2, 4, 3, 4, 4, 1, 1, 1, 1, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 
2, 2, 2, 4, 4, 3, 2, 2, 2, 1, 2, 2, 2, 2, 2, 2, 2, 1, 4, 4, 4, 
4, 4, 4, 4), Canopy_Index = c(65, 75, 55, 85, 85, 85, 95, 85, 
85, 45, 65, 75, 75, 65, 35, 75, 65, 85, 65, 95, 75, 75, 75, 65, 
75, 65, 75, 95, 95, 85, 85, 85, 75, 75, 65, 85, 75, 65, 55, 95, 
95, 95, 95, 45, 55, 35, 55, 65, 95, 95, 45, 65, 45, 55)), row.names = c(NA, 
-54L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x1030086e0>, index = structure(integer(0), "`__Species`" = integer(0)))

【问题讨论】：

您能否多解释一下您的意思是“并且每个子级别的 Canopy_Index 的聚合行列在列标题下方”您打算如何聚合？ Urbanisation_index 和 Canopy_Index 的行总和，如列联表？

数据框包含两列。在 Urbanisation_index 列中，有四个子级别 1-4。我希望列标题为 1、2、3 和 4，以表示 Urbanisation_index 列的子级别。然后我想将每个子级别中包含的所有 Canopy_Index 值放入其关联的子级别列中

您只关心每个子级别的唯一值吗？假设 1 在结果列 1 中有 55、33、55，则唯一的值将是 33、55。

例如，Urbanisation_index 中的子级别 1 包含 Canopy_Index 的 6 个观测值：5、5、5、5、55 和 55。因此，我想在第 1 列中列出这 6 个观测值。每个子级别的观察结果会有所不同，但我会用零或 NA 填补空白。我重新编辑了这篇文章以提供帮助

【参考方案1】：

使用您提供的数据：

data<-structure(list(Urbanisation_index = c(2, 2, 4, 4, 3, 3, 4, 4, 
                                            4, 2, 4, 3, 4, 4, 1, 1, 1, 1, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 
                                            2, 2, 2, 4, 4, 3, 2, 2, 2, 1, 2, 2, 2, 2, 2, 2, 2, 1, 4, 4, 4, 
                                            4, 4, 4, 4), 
                     Canopy_Index = c(65, 75, 55, 85, 85, 85, 95, 85, 
                                      85, 45, 65, 75, 75, 65, 35, 75, 65, 85, 65, 95, 75, 75, 75, 65, 
                                      75, 65, 75, 95, 95, 85, 85, 85, 75, 75, 65, 85, 75, 65, 55, 95, 
                                      95, 95, 95, 45, 55, 35, 55, 65, 95, 95, 45, 65, 45, 55)), 
                row.names = c(NA, 
                              -54L), 
                class = c("data.table", "data.frame"), 
                index = structure(integer(0), "`__Species`" = integer(0)))

加载包

library(tidyr)
library(dplyr)
library(purrr)

首先按城市化指数对冠层指数的值进行分组，得到所有谷值的列表，并附加它们以调整长度。

a<-data %>%
  group_by(Urbanisation_index) %>%
  summarise(Canopy_Indexes=paste(Canopy_Index, collapse = "-")) %>%
  spread(key = Urbanisation_index, value = Canopy_Indexes) %>%
  map(.f = ~ separate_rows(data.frame(.), 1, sep = "-"))

a <- lapply(a, function(x)
  x1<-x[,1]
  length(x1) <- max(sapply(a, nrow))
  x1
) %>% data.frame()

colnames(a) <- paste("sub_level", 1:4, sep = "_")
a

这是另一种更紧凑的解决方案，但是由于我使用了以前的第一个并不想浪费它:)

b <- map(split(data, data$Urbanisation_index), 2)


b <- lapply(b, function(x)
  x1<-x
  length(x1) <- max(sapply(b, length))
  x1
) %>% data.frame()

colnames(b) <- paste("sub_level", 1:4, sep = "_")
b

结果：

   sub_level_1 sub_level_2 sub_level_3 sub_level_4
1           35          65          85          55
2           75          75          85          85
3           65          45          75          95
4           85          95          65          85
5           55          85          95          85
6           55          85          75          65
7           NA          85          75          75
8           NA          85          75          65
9           NA          75          65          75
10          NA          65          75          75
11          NA          95          65          65
12          NA          95          75          95
13          NA          95          95          95
14          NA          95          65          45
15          NA          45          NA          65
16          NA          55          NA          45
17          NA          35          NA          55

希望对你有帮助

【讨论】：

非常感谢你，菲尔，非常感谢你的帮助