Nano Hash - криптовалюты, майнинг, программирование

R: мультииндекс по столбцам и/или строкам

В python, а точнее в pandas, я могу работать с MultIndex в строках или столбцах. Есть ли эквивалент в R? Я проверял несколько руководств, например, в https://en.wikibooks.org/wiki/R_Programming/Working_with_data_frames, но я не смог найти подходящий R эквивалент.

В качестве примера у меня есть следующий фрейм данных:

   A-1  A-2 B-1 B-2
0  1    2    0   1
1  2    0    1   3
2  4    1    3   2

Я хочу, чтобы это выглядело так:

   A         B
   1    2    1   2
0  1    2    0   1
1  2    0    1   3
2  4    1    3   2

Другие соответствующие ответы, которые я нашел в stackoverflow

  1. Установить столбцы как индекс
  2. Вставьте несколько столбцов в индекс
r dataframe
19.06.2015

  • Заголовок stackoverflow.com/questions/17560683/ 19.06.2015
  • Сила MultiIndex — одна из причин, по которой python/pandas иногда предпочтительнее R для манипулирования данными. R не поддерживает такой же тип иерархической индексации. 19.06.2015
  • @ user227710 Это выглядит многообещающе. этот пакет tables также позволяет вам выполнять мультииндексирование строк? 19.06.2015
  • @tegancp хм, понятно. Я в основном ищу какую-то работу вокруг. лично мне нравится функция MultiIndex в pandas 19.06.2015
  • R предоставляет класс-массив, который может предлагать некоторые из показанных функций, но не имеет метода печати, который сразу же отображался бы, как вы продемонстрировали. Существует функция ftable, которая позволяет выравнивать таблицы с большими размерами. 19.06.2015

Ответы:


1

Учитывая, что вы искали «обходной путь», я дам вам, по общему признанию, ограниченный вариант. Массивы в R могут содержать только один режим (который, вопреки пониманию большинства людей, может включать списки)

>   arr1 <- matrix(scan(), 3,byrow=TRUE) 
1:   1    2    0   1
5:   2    0    1   3
9:   4    1    3   2
13: 
Read 12 items
> arr2 <- array(arr1, c(3,2,2))  # Re-dimensioning can also be done with `dim<-`
> arr2
, , 1

     [,1] [,2]
[1,]    1    2
[2,]    2    0
[3,]    4    1

, , 2

     [,1] [,2]
[1,]    0    1
[2,]    1    3
[3,]    3    2

> dimnames(arr2) <- list( rows=0:2, subcat=1:2, majorcat=c("A","B") )
> arr2
, , majorcat = A

    subcat
rows 1 2
   0 1 2
   1 2 0
   2 4 1

, , majorcat = B

    subcat
rows 1 2
   0 0 1
   1 1 3
   2 3 2

После настройки есть метод отображения, который выдает что-то вроде того, что вы просили:

> ftable(arr2, row.vars=1)
     subcat   1   2  
     majorcat A B A B
rows                 
0             1 0 2 1
1             2 1 0 3
2             4 3 1 2

Похоже, мне нужно было указать это по-другому:

> ftable(arr2, row.vars=1, col.vars=3:2)
     majorcat A   B  
     subcat   1 2 1 2
rows                 
0             1 2 0 1
1             2 0 1 3
2             4 1 3 2
19.06.2015
  • отличный! Я знаю, что не упомянул об этом в вопросе, но чтобы экспортировать это в csv/excel, я предполагаю, что мне нужно сделать следующее? stackoverflow.com/a/28640799/2423379 21.06.2015
  • Если он не вставляется, как вы ожидаете, в Excel есть очень аккуратный мастер импорта с фиксированной шириной. 21.06.2015
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..