r - 使用数据表对子集执行操作

我有一个广泛的调查数据集。对于特定问题，在原始数据中创建了一组变量，以表示在特定月份询问调查问题的事实。

我希望创建一组具有月不变名称的新变量；这些变量的值将对应于所观察月份的月份变量问题的值。

请查看示例/虚拟数据集:

require(data.table)

data <- data.table(month = rep(c('may', 'jun', 'jul'),  each = 5),
                   may.q1 = rep(c('yes', 'no', 'yes'),  each = 5),
                   jun.q1 = rep(c('breakfast', 'lunch', 'dinner'),  each = 5),
                   jul.q1 = rep(c('oranges', 'apples', 'oranges'),  each = 5),
                   may.q2 = rep(c('econ', 'math', 'science'), each = 5),
                   jun.q2 = rep(c('sunny', 'foggy', 'cloudy'), each = 5),
                   jul.q2 = rep(c('no rain', 'light mist', 'heavy rain'), each = 5))

在本次调查中，实际上只有两个问题:“q1”和“q2”。这些问题中的每一个都被反复询问了几个月。但是，仅当数据中观察到的月份与特定月份的调查问题相匹配时，观察结果才包含有效答案。

例如:对于“五月”中的任何观察，“may.q1”被观察为"is"。我想要一个新的“Q1”变量来表示“may.q1”，“jun.q1”和“jul.q1”。当月份为“may”时，“Q1”的值将采用“may.q1”的值，当月份为“jun”时，“Q1”的值将采用“jun.q1”的值。

如果要尝试使用数据表手动执行此操作，则需要以下内容:

mdata <- data[month == 'may', c('month', 'may.q1', 'may.q2'), with = F]
setnames(mdata, names(mdata), gsub('may\\.', '', names(mdata)))

我希望重复“by = month”。

如果要对数据帧使用“plyr”包，则可以使用以下方法解决:

require(plyr)
data <- data.frame(data)

mdata <- ddply(data, .(month), function(dfmo) {
    dfmo <- dfmo[, c(1, grep(dfmo$month[1], names(dfmo)))]
    names(dfmo) <- gsub(paste0(dfmo$month[1], '\\.'), '', names(dfmo))
    return(dfmo)
})

由于我的数据很大，因此使用data.table方法的任何帮助将不胜感激。谢谢你。

最佳答案

另一种说明方式:

data[, .SD[,paste0(month,c(".q1",".q2")), with=FALSE], by=month]

    month  may.q1     may.q2
 1:   may     yes       econ
 2:   may     yes       econ
 3:   may     yes       econ
 4:   may     yes       econ
 5:   may     yes       econ
 6:   jun   lunch      foggy
 7:   jun   lunch      foggy
 8:   jun   lunch      foggy
 9:   jun   lunch      foggy
10:   jun   lunch      foggy
11:   jul oranges heavy rain
12:   jul oranges heavy rain
13:   jul oranges heavy rain
14:   jul oranges heavy rain
15:   jul oranges heavy rain

但是请注意，列名来自第一组(以后可以使用setnames重命名)。如果有大量的列而只需要少量的列，则它可能不是最有效的。在这种情况下，Arun的解决方案可以融化为长格式，并且速度更快。

关于r - 使用数据表对子集执行操作，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/16153742/