dataframe 转置函数

在R中提供了t()函数用来进行转置，很多时候确实提供了诸多便利，但是由于t()函数在转置时会强制把data.frame函数转换成matrix格式，在后续的计算中又带来麻烦。由于在平时的计算中会经常用到转置，为了节省时间，把data.frame格式转置的一系列操作打包成函数备份，方便以后使用。

使用的包和数据

由于在平时的计算中会经常用到data.table()包，所以这里的dataframe转置函数默认已经载入此包。这里我们使用中国北京市的一组经济数据，具体如下。

library(data.table)
> tdata
                                        V1    2015年   2014年   2013年   2012年   2011年   2010年   2009年   2008年   2007年   2006年   2005年
 1:                     地区生产总值(亿元)  23014.59 21330.83 19800.81 17879.40 16251.93 14113.58 12153.03 11115.00  9846.81  8117.78  6969.52
 2:                   第一产业增加值(亿元)    140.21   158.99   159.64   150.20   136.27   124.36   118.29   112.83   101.26    88.80    88.68
 3:                   第二产业增加值(亿元)   4542.64  4544.80  4292.56  4059.27  3752.48  3388.38  2855.55  2626.41  2509.40  2191.43  2026.51
 4:                   第三产业增加值(亿元)  18331.74 16627.04 15348.61 13669.93 12363.18 10600.84  9179.19  8375.76  7236.15  5837.55  4854.33
 5:                 农林牧渔业增加值(亿元)    142.60   161.32   161.83   150.20   136.27   124.36   118.29   112.83   101.26    88.80    88.68
 6:                       工业增加值(亿元)   3710.88  3746.77  3566.43  3294.32  3048.79  2763.99  2303.08  2131.75  2082.76  1821.86  1707.04
 7:                     建筑业增加值(亿元)    961.86   902.66   831.55   764.95   703.69   624.39   552.47   494.66   426.64   369.57   319.47
 8:               批发和零售业增加值(亿元)   2352.34  2411.14  2340.74  2229.77  2139.65  1888.51  1525.03  1426.72  1098.23   871.96   704.28
 9:       批发和零售贸易餐饮业增加值(亿元)      0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00
10:     交通运输、仓储和邮政业增加值(亿元)    983.87   948.10   871.76   816.31   808.95   712.01   556.64   498.92   497.55   455.21   403.32
11: 交通运输、仓储和邮电通信业增加值(亿元)      0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00
12:               住宿和餐饮业增加值(亿元)    397.59   363.76   374.75   373.06   348.42   317.34   262.51   274.43   244.96   218.39   182.30
13:                     金融业增加值(亿元)   3926.28  3357.71  2943.13  2536.91  2215.41  1863.61  1603.63  1519.19  1302.77   982.37   840.20
14:                   房地产业增加值(亿元)   1438.43  1329.20  1339.52  1244.17  1074.93  1006.52  1062.47   844.59   821.50   658.30   493.73
15:                   其他行业增加值(亿元)   9100.73  8110.18  7371.10  6469.71  5775.82  4812.85  4168.91  3811.91  3271.14  2651.32  2230.50
16:                人均地区生产总值(元/人) 106497.00 99995.00 94647.88 87474.74 81658.00 73856.00 66940.00 64491.00 60096.00 49505.00 45443.69
      2004年   2003年   2002年   2001年   2000年   1999年   1998年   1997年   1996年
 1:  6033.21  5007.21  4315.00  3707.96  3161.66  2678.82  2377.18  2077.09  1789.20
 2:    87.36    84.11    82.44    80.78    79.25    78.35    77.86    77.18    73.36
 3:  1853.58  1487.15  1249.99  1142.35  1033.29   907.34   840.57   781.85   714.65
 4:  4092.27  3435.95  2982.57  2484.83  2049.12  1693.13  1458.75  1218.06  1001.19
 5:    87.36    84.11    82.44    80.78    79.25    78.35    77.86    77.18    73.36
 6:  1554.73  1224.48  1021.16   938.81   844.01   723.98   670.36   635.91   576.14
 7:   298.85   262.67   228.83   203.54   189.28   183.36   170.21   145.94   138.51
 8:   587.70     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00
 9:     0.00   567.09   509.68   459.11   406.38   364.46   331.84   299.74   257.78
10:   356.78     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00
11:     0.00   463.39   408.41   360.89   298.67   249.74   217.97   182.77   145.86
12:   163.30     0.00     0.00     0.00     0.00     0.00     0.00     0.00     0.00
13:   713.79   635.56   561.91   487.54   425.19   356.85   307.38   268.14   194.71
14:   436.11   341.88   298.02   203.55   144.01   105.55    75.32    48.21    34.63
15:  1834.59  1428.03  1204.55   973.74   774.87   616.53   526.24   419.20   368.21
16: 41099.00 34892.00 30840.00 26998.00 24122.00 21407.00 19128.00 16621.00 14254.00

处理思路

首先提取原数据集除去首列的所有列名。
转置原数据集,保存为tempdata，此时的格式为matrix格式。
提取tempdata的第一行。
把tempdata去除第一行的数据转化为data.table格式。
把提取到的tempdata第一行作为列名赋值给data.table格式的tempdata。
把提取到原数据集除去首列的所有列名和tempdata进行cbind操作。

具体实现代码

> dft <- function(dataset) {
  colnames <- names(dataset)[-1]
  tempdata <- t(dataset)
  rownames <- tempdata[1,]
  tempdata <- as.data.table(tempdata[-1,], row.names = 1)
  names(tempdata) <- rownames
  tempdata <- cbind(tempdata, colnames)
  tempdata
  }

通过上述代码对tdata进行转置操作。

> tdata1 <- dft(tdata)
> head(tdata1)
   地区生产总值(亿元) 第一产业增加值(亿元) 第二产业增加值(亿元) 第三产业增加值(亿元) 农林牧渔业增加值(亿元) 工业增加值(亿元) 建筑业增加值(亿元)
1:           23014.59               140.21              4542.64             18331.74                 142.60          3710.88             961.86
2:           21330.83               158.99              4544.80             16627.04                 161.32          3746.77             902.66
3:           19800.81               159.64              4292.56             15348.61                 161.83          3566.43             831.55
4:           17879.40               150.20              4059.27             13669.93                 150.20          3294.32             764.95
5:           16251.93               136.27              3752.48             12363.18                 136.27          3048.79             703.69
6:           14113.58               124.36              3388.38             10600.84                 124.36          2763.99             624.39
   批发和零售业增加值(亿元) 批发和零售贸易餐饮业增加值(亿元) 交通运输、仓储和邮政业增加值(亿元) 交通运输、仓储和邮电通信业增加值(亿元)
1:                  2352.34                             0.00                             983.87                                   0.00
2:                  2411.14                             0.00                             948.10                                   0.00
3:                  2340.74                             0.00                             871.76                                   0.00
4:                  2229.77                             0.00                             816.31                                   0.00
5:                  2139.65                             0.00                             808.95                                   0.00
6:                  1888.51                             0.00                             712.01                                   0.00
   住宿和餐饮业增加值(亿元) 金融业增加值(亿元) 房地产业增加值(亿元) 其他行业增加值(亿元) 人均地区生产总值(元/人) colnames
1:                   397.59            3926.28              1438.43              9100.73               106497.00   2015年
2:                   363.76            3357.71              1329.20              8110.18                99995.00   2014年
3:                   374.75            2943.13              1339.52              7371.10                94647.88   2013年
4:                   373.06            2536.91              1244.17              6469.71                87474.74   2012年
5:                   348.42            2215.41              1074.93              5775.82                81658.00   2011年
6:                   317.34            1863.61              1006.52              4812.85                73856.00   2010年

大功告成，年份出现在最后一列。如果有强迫症，或者为了以后计算更加方便，还可以再加入一个参数，直接指定最后一列的列名，缺省值为"colnames"。

> dft <- function(dataset, indexname = "colnames") {
  colnames <- names(dataset)[-1]
  tempdata <- t(dataset)
  rownames <- tempdata[1,]
  tempdata <- as.data.table(tempdata[-1,], row.names = 1)
  names(tempdata) <- rownames
  tempdata <- cbind(tempdata, colnames)
  names(tempdata)[length(names(tempdata))] <- indexname
  tempdata
  }

然后就可以通过indexname参数来指定列名。

# 默认参数
> tdata1 <- dft(tdata)
> names(tdata1)
 [1] "地区生产总值(亿元)"                     "第一产业增加值(亿元)"                   "第二产业增加值(亿元)"                  
 [4] "第三产业增加值(亿元)"                   "农林牧渔业增加值(亿元)"                 "工业增加值(亿元)"                      
 [7] "建筑业增加值(亿元)"                     "批发和零售业增加值(亿元)"               "批发和零售贸易餐饮业增加值(亿元)"      
[10] "交通运输、仓储和邮政业增加值(亿元)"     "交通运输、仓储和邮电通信业增加值(亿元)" "住宿和餐饮业增加值(亿元)"              
[13] "金融业增加值(亿元)"                     "房地产业增加值(亿元)"                   "其他行业增加值(亿元)"                  
[16] "人均地区生产总值(元/人)"                "colnames"              
# 指定参数                
> tdata1 <- dft(tdata, "年份")
> names(tdata1)
 [1] "地区生产总值(亿元)"                     "第一产业增加值(亿元)"                   "第二产业增加值(亿元)"                  
 [4] "第三产业增加值(亿元)"                   "农林牧渔业增加值(亿元)"                 "工业增加值(亿元)"                      
 [7] "建筑业增加值(亿元)"                     "批发和零售业增加值(亿元)"               "批发和零售贸易餐饮业增加值(亿元)"      
[10] "交通运输、仓储和邮政业增加值(亿元)"     "交通运输、仓储和邮电通信业增加值(亿元)" "住宿和餐饮业增加值(亿元)"              
[13] "金融业增加值(亿元)"                     "房地产业增加值(亿元)"                   "其他行业增加值(亿元)"                  
[16] "人均地区生产总值(元/人)"                "年份"

通过以上函数，我们就可以快速转置数据框，进行数据操作了。

> tdata1[年份 == "2015年"]
   地区生产总值(亿元) 第一产业增加值(亿元) 第二产业增加值(亿元) 第三产业增加值(亿元) 农林牧渔业增加值(亿元) 工业增加值(亿元) 建筑业增加值(亿元)
1:           23014.59               140.21              4542.64             18331.74                 142.60          3710.88             961.86
   批发和零售业增加值(亿元) 批发和零售贸易餐饮业增加值(亿元) 交通运输、仓储和邮政业增加值(亿元) 交通运输、仓储和邮电通信业增加值(亿元)
1:                  2352.34                             0.00                             983.87                                   0.00
   住宿和餐饮业增加值(亿元) 金融业增加值(亿元) 房地产业增加值(亿元) 其他行业增加值(亿元) 人均地区生产总值(元/人)   年份
1:                   397.59            3926.28              1438.43              9100.73               106497.00 2015年