当我们从任何来源接收数据时，对于预期的分析而言，它很可能不是理想的数据集，因此，我们需要根据数据的特征进行一些清理或挖掘。例如，如果我们将数据框的列名作为数值变量的因子级别，则我们可能希望以如下方式转换该数据框：将数值存储在单列中，并将列名存储在另一列中代表因素的列，这样我们就可以对这种类型的数据应用方差分析。为此，我们可以使用以下示例中所示的堆栈函数。
请看以下数据帧-
x1<-rnorm(5) x2<-rnorm(5) x3<-rnorm(5) x4<-rnorm(5) df1<-data.frame(x1,x2,x3,x4) df1
输出结果
x1 x2 x3 x4 1 0.4231515 -0.02059351 -0.7323391 0.19199970 2 0.4816832 0.88382316 -0.5297544 0.17681651 3 -1.1703627 0.16328116 -0.7856500 0.03778934 4 -1.6009281 -0.93433554 1.5626258 -1.51384088 5 2.5075787 -0.94192579 -1.2340071 0.07821619
堆叠数据帧df1-
df1<-stack(df1) df1
输出结果
values ind 1 0.42315154 x1 2 0.48168320 x1 3 -1.17036266 x1 4 -1.60092810 x1 5 2.50757869 x1 6 -0.02059351 x2 7 0.88382316 x2 8 0.16328116 x2 9 -0.93433554 x2 10 -0.94192579 x2 11 -0.73233913 x3 12 -0.52975443 x3 13 -0.78564997 x3 14 1.56262579 x3 15 -1.23400706 x3 16 0.19199970 x4 17 0.17681651 x4 18 0.03778934 x4 19 -1.51384088 x4 20 0.07821619 x4
y1<-rpois(5,2) y2<-rpois(5,2) y3<-rpois(5,2) y4<-rpois(5,2) df2<-data.frame(y1,y2,y3,y4) df2
输出结果
y1 y2 y3 y4 1 2 6 3 2 2 0 2 4 1 3 1 1 7 3 4 1 1 2 3 5 0 4 2 0
堆叠数据帧df2-
df2<-stack(df2) df2
输出结果
values ind 1 2 y1 2 0 y1 3 1 y1 4 1 y1 5 0 y1 6 6 y2 7 2 y2 8 1 y2 9 1 y2 10 4 y2 11 3 y3 12 4 y3 13 7 y3 14 2 y3 15 2 y3 16 2 y4 17 1 y4 18 3 y4 19 3 y4 20 0 y4
z1<-rexp(5,1.02) z2<-rexp(5,1.02) z3<-rexp(5,1.02) z4<-rexp(5,1.02) df3<-data.frame(z1,z2,z3,z4) df3
输出结果
z1 z2 z3 z4 1 1.2908546 0.7256210 0.3485327 1.2388077 2 0.3096662 0.6603201 1.6009740 1.5944464 3 1.6638942 0.7771325 0.2083197 2.7376839 4 1.5370138 0.1080698 0.7180111 1.3909656 5 0.3302388 1.2617053 0.3907855 0.1516651
堆叠数据帧df3-
df3<-stack(df3) df3
输出结果
values ind 1 1.2908546 z1 2 0.3096662 z1 3 1.6638942 z1 4 1.5370138 z1 5 0.3302388 z1 6 0.7256210 z2 7 0.6603201 z2 8 0.7771325 z2 9 0.1080698 z2 10 1.2617053 z2 11 0.3485327 z3 12 1.6009740 z3 13 0.2083197 z3 14 0.7180111 z3 15 0.3907855 z3 16 1.2388077 z4 17 1.5944464 z4 18 2.7376839 z4 19 1.3909656 z4 20 0.1516651 z4