时间戳

首页 > 解决方案 > 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

r - 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

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的树冠覆盖程度。

为了进行方差分析，我需要翻转数据框中的列并制作一个新的数据框。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 ANOVA。

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关联的 Canopy_Index 值（即每个 Urbanisation_index 子级别的 Canopy_Index 的行数）他们的特定列。

例如，如果数据框针对 Urbanisation_index 进行了过滤，子级别 1，则 Canopy_Index 可能有 6 个观测值（5、5、5、5、55、55），我希望它们列在列标题 1 的下方新的数据框如下所示。

在此处输入图像描述

如果有人可以提供帮助，我将不胜感激。

代码

##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)))

标签： rdataframedata.tableaggregate-functionsanova

解决方案

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，并将它们附加以调整长度。

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

这是另一个更紧凑的解决方案，但是由于我使用了以前的第一个解决方案，所以不想浪费它:)

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

希望这可以帮助

推荐阅读