Jake sent you a wide format dataframe that he wants to convert into a long format data frame. To do this you transpose the dataframe, which turns it into a matrix, convert it back into a data frame, and then add row and column names so that you can specify them in the gather command
setwd("C:/Users/krychlw/Desktop")
library(tidyr)
WTprofiles<- read.table(file="WTprofiles.csv",head=TRUE,sep=";") #notice, this wide format isn't very useful, it would be much better if we could transpose this dataframe so that the 1-6 rows are columns, let's try transposing the dataframe using the t() command
head(WTprofiles)## X V1 V2 V3
## 1 1 <NA> <NA> <NA>
## 2 2 5,82382830552627e-08 5,80235549535576e-08 5,77751616783306e-08
## 3 3 5,38942958955866e-08 5,37368395649884e-08 5,35973257090456e-08
## 4 4 5,09633295540594e-08 5,07747911882101e-08 5,06091185229005e-08
## 5 5 4,88664145215819e-08 4,87899927972151e-08 4,87438449523238e-08
## 6 6 4,78523945723146e-08 4,77924771455426e-08 4,77347687502618e-08
## V4 V5 V6
## 1 <NA> <NA> <NA>
## 2 5,75542619713064e-08 5,73599632693117e-08 5,71440270300244e-08
## 3 5,34678583871893e-08 5,32974218304434e-08 5,31123969304796e-08
## 4 5,04638247533486e-08 5,0330040190481e-08 5,02236157422854e-08
## 5 4,86669624246831e-08 4,85773232790838e-08 4,84923588174306e-08
## 6 4,76481550308429e-08 4,76044951563028e-08 4,75854600444872e-08
## V7 V8 V9
## 1 <NA> <NA> <NA>
## 2 5,68961060222231e-08 5,662654760569e-08 5,63312188714014e-08
## 3 5,29219261655822e-08 5,27441446252551e-08 5,25746893705376e-08
## 4 5,01407570297067e-08 5,00107124398842e-08 4,98903651805924e-08
## 5 4,84083263654097e-08 4,83183129926571e-08 4,82737779439334e-08
## 6 4,75836109697784e-08 4,76128577375974e-08 4,76395702269459e-08
## V10 V11 V12
## 1 <NA> <NA> 5,93428806414683e-08
## 2 5,60160283821583e-08 5,57070981607235e-08 5,53584432075702e-08
## 3 5,23709604418442e-08 5,21942861355723e-08 5,20529002078087e-08
## 4 4,97707458109387e-08 4,96696858129596e-08 4,95709426578072e-08
## 5 4,82089745461079e-08 4,81693616411014e-08 4,81092919272645e-08
## 6 4,76666154627765e-08 4,77289022812366e-08 4,77687924488059e-08
## V13 V14 V15
## 1 5,92582053677365e-08 5,91415839072665e-08 5,8958872292423e-08
## 2 5,50229967923309e-08 5,4778868883848e-08 5,45039991520248e-08
## 3 5,19115025171677e-08 5,17565903716631e-08 5,15443145886264e-08
## 4 4,94559337583451e-08 4,93205701209673e-08 4,91880330258455e-08
## 5 4,80476646427546e-08 4,79981305895451e-08 4,79737944050607e-08
## 6 4,78521811519673e-08 4,79479620186197e-08 4,80527094674495e-08
## V16 V17 V18
## 1 5,87346846727628e-08 5,84923339867271e-08 5,82382830552627e-08
## 2 5,42893594274096e-08 5,40830198263848e-08 5,38942958955866e-08
## 3 5,13659700037629e-08 5,11384918360554e-08 5,09633295540594e-08
## 4 4,90704576144338e-08 4,89537001136359e-08 4,88664145215819e-08
## 5 4,79458049171979e-08 4,79047178279326e-08 4,78523945723146e-08
## 6 4,8135771922293e-08 4,82361610455068e-08 4,83476841225948e-08
## V19 V20 V21
## 1 5,80235549535576e-08 5,77751616783306e-08 5,75542619713064e-08
## 2 5,37368395649884e-08 5,35973257090456e-08 5,34678583871893e-08
## 3 5,07747911882101e-08 5,06091185229005e-08 5,04638247533486e-08
## 4 4,87899927972151e-08 4,87438449523238e-08 4,86669624246831e-08
## 5 4,77924771455426e-08 4,77347687502618e-08 4,76481550308429e-08
## 6 4,84949548429918e-08 4,86389773925075e-08 4,87663180637782e-08
## V22 V23 V24
## 1 5,73599632693117e-08 5,71440270300244e-08 5,68961060222231e-08
## 2 5,32974218304434e-08 5,31123969304796e-08 5,29219261655822e-08
## 3 5,0330040190481e-08 5,02236157422854e-08 5,01407570297067e-08
## 4 4,85773232790838e-08 4,84923588174306e-08 4,84083263654097e-08
## 5 4,76044951563028e-08 4,75854600444872e-08 4,75836109697784e-08
## 6 4,89487329775685e-08 4,91100967084652e-08 4,93187024594452e-08
## V25 V26 V27
## 1 5,662654760569e-08 5,63312188714014e-08 5,60160283821583e-08
## 2 5,27441446252551e-08 5,25746893705376e-08 5,23709604418442e-08
## 3 5,00107124398842e-08 4,98903651805924e-08 4,97707458109387e-08
## 4 4,83183129926571e-08 4,82737779439334e-08 4,82089745461079e-08
## 5 4,76128577375974e-08 4,76395702269459e-08 4,76666154627765e-08
## 6 4,95685656162107e-08 4,98483568615476e-08 5,01429270981768e-08
## V28 V29 V30
## 1 5,57070981607235e-08 5,53584432075702e-08 5,50229967923309e-08
## 2 5,21942861355723e-08 5,20529002078087e-08 5,19115025171677e-08
## 3 4,96696858129596e-08 4,95709426578072e-08 4,94559337583451e-08
## 4 4,81693616411014e-08 4,81092919272645e-08 4,80476646427546e-08
## 5 4,77289022812366e-08 4,77687924488059e-08 4,78521811519673e-08
## 6 5,04636677343909e-08 5,08486526557879e-08 5,13367597878008e-08
## V31 V32 V33
## 1 5,4778868883848e-08 5,45039991520248e-08 5,42893594274096e-08
## 2 5,17565903716631e-08 5,15443145886264e-08 5,13659700037629e-08
## 3 4,93205701209673e-08 4,91880330258455e-08 4,90704576144338e-08
## 4 4,79981305895451e-08 4,79737944050607e-08 4,79458049171979e-08
## 5 4,79479620186197e-08 4,80527094674495e-08 4,8135771922293e-08
## 6 5,19236432470694e-08 5,25446359962354e-08 5,30855786345322e-08
## V34 V35 V36
## 1 5,40830198263848e-08 5,38942958955866e-08 5,37368395649884e-08
## 2 5,11384918360554e-08 5,09633295540594e-08 5,07747911882101e-08
## 3 4,89537001136359e-08 4,88664145215819e-08 4,87899927972151e-08
## 4 4,79047178279326e-08 4,78523945723146e-08 4,77924771455426e-08
## 5 4,82361610455068e-08 4,83476841225948e-08 4,84949548429918e-08
## 6 5,3463499986662e-08 5,37429743879172e-08 5,39527921372422e-08
## V37 V38 V39
## 1 5,35973257090456e-08 5,34678583871893e-08 5,32974218304434e-08
## 2 5,06091185229005e-08 5,04638247533486e-08 5,0330040190481e-08
## 3 4,87438449523238e-08 4,86669624246831e-08 4,85773232790838e-08
## 4 4,77347687502618e-08 4,76481550308429e-08 4,76044951563028e-08
## 5 4,86389773925075e-08 4,87663180637782e-08 4,89487329775685e-08
## 6 5,42402740785093e-08 5,45129015831103e-08 5,47634790127385e-08
## V40 V41 V42
## 1 5,31123969304796e-08 5,29219261655822e-08 5,27441446252551e-08
## 2 5,02236157422854e-08 5,01407570297067e-08 5,00107124398842e-08
## 3 4,84923588174306e-08 4,84083263654097e-08 4,83183129926571e-08
## 4 4,75854600444872e-08 4,75836109697784e-08 4,76128577375974e-08
## 5 4,91100967084652e-08 4,93187024594452e-08 4,95685656162107e-08
## 6 5,48788831056811e-08 5,49889904926564e-08 5,49709609468014e-08
## V43 V44 V45
## 1 5,25746893705376e-08 5,23709604418442e-08 5,21942861355723e-08
## 2 4,98903651805924e-08 4,97707458109387e-08 4,96696858129596e-08
## 3 4,82737779439334e-08 4,82089745461079e-08 4,81693616411014e-08
## 4 4,76395702269459e-08 4,76666154627765e-08 4,77289022812366e-08
## 5 4,98483568615476e-08 5,01429270981768e-08 5,04636677343909e-08
## 6 5,48714945922182e-08 5,46921271886771e-08 5,44537642983239e-08
## V46 V47 V48
## 1 5,20529002078087e-08 5,19115025171677e-08 5,17565903716631e-08
## 2 4,95709426578072e-08 4,94559337583451e-08 4,93205701209673e-08
## 3 4,81092919272645e-08 4,80476646427546e-08 4,79981305895451e-08
## 4 4,77687924488059e-08 4,78521811519673e-08 4,79479620186197e-08
## 5 5,08486526557879e-08 5,13367597878008e-08 5,19236432470694e-08
## 6 5,42153620197971e-08 5,38924596017092e-08 5,34681439211833e-08
## V49 V50 V51
## 1 5,15443145886264e-08 5,13659700037629e-08 5,11384918360554e-08
## 2 4,91880330258455e-08 4,90704576144338e-08 4,89537001136359e-08
## 3 4,79737944050607e-08 4,79458049171979e-08 4,79047178279326e-08
## 4 4,80527094674495e-08 4,8135771922293e-08 4,82361610455068e-08
## 5 5,25446359962354e-08 5,30855786345322e-08 5,3463499986662e-08
## 6 5,29083889698739e-08 5,23133926932659e-08 5,17566512006992e-08
## V52 V53 V54
## 1 5,09633295540594e-08 5,07747911882101e-08 5,06091185229005e-08
## 2 4,88664145215819e-08 4,87899927972151e-08 4,87438449523238e-08
## 3 4,78523945723146e-08 4,77924771455426e-08 4,77347687502618e-08
## 4 4,83476841225948e-08 4,84949548429918e-08 4,86389773925075e-08
## 5 5,37429743879172e-08 5,39527921372422e-08 5,42402740785093e-08
## 6 5,13192264178922e-08 5,08977200795805e-08 5,05283545832501e-08
## V55 V56 V57
## 1 5,04638247533486e-08 5,0330040190481e-08 5,02236157422854e-08
## 2 4,86669624246831e-08 4,85773232790838e-08 4,84923588174306e-08
## 3 4,76481550308429e-08 4,76044951563028e-08 4,75854600444872e-08
## 4 4,87663180637782e-08 4,89487329775685e-08 4,91100967084652e-08
## 5 5,45129015831103e-08 5,47634790127385e-08 5,48788831056811e-08
## 6 5,01548814245196e-08 4,97186039170546e-08 4,92897919806115e-08
## V58 V59 V60
## 1 5,01407570297067e-08 5,00107124398842e-08 4,98903651805924e-08
## 2 4,84083263654097e-08 4,83183129926571e-08 4,82737779439334e-08
## 3 4,75836109697784e-08 4,76128577375974e-08 4,76395702269459e-08
## 4 4,93187024594452e-08 4,95685656162107e-08 4,98483568615476e-08
## 5 5,49889904926564e-08 5,49709609468014e-08 5,48714945922182e-08
## 6 4,89510447492502e-08 4,85911649183171e-08 4,83483583085716e-08
## V61 V62 V63
## 1 4,97707458109387e-08 4,96696858129596e-08 4,95709426578072e-08
## 2 4,82089745461079e-08 4,81693616411014e-08 4,81092919272645e-08
## 3 4,76666154627765e-08 4,77289022812366e-08 4,77687924488059e-08
## 4 5,01429270981768e-08 5,04636677343909e-08 5,08486526557879e-08
## 5 5,46921271886771e-08 5,44537642983239e-08 5,42153620197971e-08
## 6 4,81791367294232e-08 4,80317794971186e-08 4,79698120099188e-08
## V64 V65 V66
## 1 4,94559337583451e-08 4,93205701209673e-08 4,91880330258455e-08
## 2 4,80476646427546e-08 4,79981305895451e-08 4,79737944050607e-08
## 3 4,78521811519673e-08 4,79479620186197e-08 4,80527094674495e-08
## 4 5,13367597878008e-08 5,19236432470694e-08 5,25446359962354e-08
## 5 5,38924596017092e-08 5,34681439211833e-08 5,29083889698739e-08
## 6 4,78844286272927e-08 4,78004638104386e-08 4,77418650096397e-08
## V67 V68 V69
## 1 4,90704576144338e-08 4,89537001136359e-08 4,88664145215819e-08
## 2 4,79458049171979e-08 4,79047178279326e-08 4,78523945723146e-08
## 3 4,8135771922293e-08 4,82361610455068e-08 4,83476841225948e-08
## 4 5,30855786345322e-08 5,3463499986662e-08 5,37429743879172e-08
## 5 5,23133926932659e-08 5,17566512006992e-08 5,13192264178922e-08
## 6 4,77160803634538e-08 4,76267263525114e-08 4,75554168016059e-08
## V70 V71 V72
## 1 4,87899927972151e-08 4,87438449523238e-08 4,86669624246831e-08
## 2 4,77924771455426e-08 4,77347687502618e-08 4,76481550308429e-08
## 3 4,84949548429918e-08 4,86389773925075e-08 4,87663180637782e-08
## 4 5,39527921372422e-08 5,42402740785093e-08 5,45129015831103e-08
## 5 5,08977200795805e-08 5,05283545832501e-08 5,01548814245196e-08
## 6 4,74817923941571e-08 4,74905429418171e-08 4,75451705421943e-08
## V73 V74 V75
## 1 4,85773232790838e-08 4,84923588174306e-08 4,84083263654097e-08
## 2 4,76044951563028e-08 4,75854600444872e-08 4,75836109697784e-08
## 3 4,89487329775685e-08 4,91100967084652e-08 4,93187024594452e-08
## 4 5,47634790127385e-08 5,48788831056811e-08 5,49889904926564e-08
## 5 4,97186039170546e-08 4,92897919806115e-08 4,89510447492502e-08
## 6 4,74534085459423e-08 4,74471221083926e-08 4,7449188530261e-08
## V76 V77 V78
## 1 4,83183129926571e-08 4,82737779439334e-08 4,82089745461079e-08
## 2 4,76128577375974e-08 4,76395702269459e-08 4,76666154627765e-08
## 3 4,95685656162107e-08 4,98483568615476e-08 5,01429270981768e-08
## 4 5,49709609468014e-08 5,48714945922182e-08 5,46921271886771e-08
## 5 4,85911649183171e-08 4,83483583085716e-08 4,81791367294232e-08
## 6 4,74347802461139e-08 4,74519872808214e-08 4,7415362570101e-08
## V79 V80 V81
## 1 4,81693616411014e-08 4,81092919272645e-08 4,80476646427546e-08
## 2 4,77289022812366e-08 4,77687924488059e-08 4,78521811519673e-08
## 3 5,04636677343909e-08 5,08486526557879e-08 5,13367597878008e-08
## 4 5,44537642983239e-08 5,42153620197971e-08 5,38924596017092e-08
## 5 4,80317794971186e-08 4,79698120099188e-08 4,78844286272927e-08
## 6 4,73303285184351e-08 4,72400163640118e-08 4,7091135210915e-08
## V82 V83 V84
## 1 4,79981305895451e-08 4,79737944050607e-08 4,79458049171979e-08
## 2 4,79479620186197e-08 4,80527094674495e-08 4,8135771922293e-08
## 3 5,19236432470694e-08 5,25446359962354e-08 5,30855786345322e-08
## 4 5,34681439211833e-08 5,29083889698739e-08 5,23133926932659e-08
## 5 4,78004638104386e-08 4,77418650096397e-08 4,77160803634538e-08
## 6 4,69605468853832e-08 4,68615898536043e-08 4,67735259609166e-08
## V85 V86 V87
## 1 4,79047178279326e-08 4,78523945723146e-08 4,77924771455426e-08
## 2 4,82361610455068e-08 4,83476841225948e-08 4,84949548429918e-08
## 3 5,3463499986662e-08 5,37429743879172e-08 5,39527921372422e-08
## 4 5,17566512006992e-08 5,13192264178922e-08 5,08977200795805e-08
## 5 4,76267263525114e-08 4,75554168016059e-08 4,74817923941571e-08
## 6 4,66926601245553e-08 4,66868463759574e-08 4,667654595352e-08
## V88 V89 V90
## 1 4,77347687502618e-08 4,76481550308429e-08 4,76044951563028e-08
## 2 4,86389773925075e-08 4,87663180637782e-08 4,89487329775685e-08
## 3 5,42402740785093e-08 5,45129015831103e-08 5,47634790127385e-08
## 4 5,05283545832501e-08 5,01548814245196e-08 4,97186039170546e-08
## 5 4,74905429418171e-08 4,75451705421943e-08 4,74534085459423e-08
## 6 4,6679025619146e-08 4,665035478049e-08 4,66403217312584e-08
## V91 V92 V93
## 1 4,75854600444872e-08 4,75836109697784e-08 4,76128577375974e-08
## 2 4,91100967084652e-08 4,93187024594452e-08 4,95685656162107e-08
## 3 5,48788831056811e-08 5,49889904926564e-08 5,49709609468014e-08
## 4 4,92897919806115e-08 4,89510447492502e-08 4,85911649183171e-08
## 5 4,74471221083926e-08 4,7449188530261e-08 4,74347802461139e-08
## 6 4,69274772428427e-08 4,72735289776945e-08 4,76459720932139e-08
## V94 V95 V96
## 1 4,76395702269459e-08 4,76666154627765e-08 4,77289022812366e-08
## 2 4,98483568615476e-08 5,01429270981768e-08 5,04636677343909e-08
## 3 5,48714945922182e-08 5,46921271886771e-08 5,44537642983239e-08
## 4 4,83483583085716e-08 4,81791367294232e-08 4,80317794971186e-08
## 5 4,74519872808214e-08 4,7415362570101e-08 4,73303285184351e-08
## 6 4,80622288536113e-08 4,84404342131648e-08 4,88168313457012e-08
## V97 V98 V99
## 1 4,77687924488059e-08 4,78521811519673e-08 4,79479620186197e-08
## 2 5,08486526557879e-08 5,13367597878008e-08 5,19236432470694e-08
## 3 5,42153620197971e-08 5,38924596017092e-08 5,34681439211833e-08
## 4 4,79698120099188e-08 4,78844286272927e-08 4,78004638104386e-08
## 5 4,72400163640118e-08 4,7091135210915e-08 4,69605468853832e-08
## 6 4,92100544444276e-08 4,9618943542211e-08 5,00576788965954e-08
## V100 V101 V102
## 1 4,80527094674495e-08 4,8135771922293e-08 4,82361610455068e-08
## 2 5,25446359962354e-08 5,30855786345322e-08 5,3463499986662e-08
## 3 5,29083889698739e-08 5,23133926932659e-08 5,17566512006992e-08
## 4 4,77418650096397e-08 4,77160803634538e-08 4,76267263525114e-08
## 5 4,68615898536043e-08 4,67735259609166e-08 4,66926601245553e-08
## 6 5,05173158270748e-08 5,09900679078561e-08 5,14676570691492e-08
## V103 V104 V105
## 1 4,83476841225948e-08 4,84949548429918e-08 4,86389773925075e-08
## 2 5,37429743879172e-08 5,39527921372422e-08 5,42402740785093e-08
## 3 5,13192264178922e-08 5,08977200795805e-08 5,05283545832501e-08
## 4 4,75554168016059e-08 4,74817923941571e-08 4,74905429418171e-08
## 5 4,66868463759574e-08 4,667654595352e-08 4,6679025619146e-08
## 6 5,19756858773618e-08 5,24955778357008e-08 5,30197230275571e-08
## V106 V107 V108
## 1 4,87663180637782e-08 4,89487329775685e-08 4,91100967084652e-08
## 2 5,45129015831103e-08 5,47634790127385e-08 5,48788831056811e-08
## 3 5,01548814245196e-08 4,97186039170546e-08 4,92897919806115e-08
## 4 4,75451705421943e-08 4,74534085459423e-08 4,74471221083926e-08
## 5 4,665035478049e-08 4,66403217312584e-08 4,69274772428427e-08
## 6 <NA> <NA> <NA>
## V109
## 1 4,93187024594452e-08
## 2 5,49889904926564e-08
## 3 4,89510447492502e-08
## 4 4,7449188530261e-08
## 5 4,72735289776945e-08
## 6 <NA>WTprofilestranspose<-t(WTprofiles) #converts to matrix
head(WTprofilestranspose) #looks better, only problem is that it is a matrix... Dataframes are easier to work with## [,1] [,2] [,3]
## X "1" "2" "3"
## V1 NA "5,82382830552627e-08" "5,38942958955866e-08"
## V2 NA "5,80235549535576e-08" "5,37368395649884e-08"
## V3 NA "5,77751616783306e-08" "5,35973257090456e-08"
## V4 NA "5,75542619713064e-08" "5,34678583871893e-08"
## V5 NA "5,73599632693117e-08" "5,32974218304434e-08"
## [,4] [,5] [,6]
## X "4" "5" "6"
## V1 "5,09633295540594e-08" "4,88664145215819e-08" "4,78523945723146e-08"
## V2 "5,07747911882101e-08" "4,87899927972151e-08" "4,77924771455426e-08"
## V3 "5,06091185229005e-08" "4,87438449523238e-08" "4,77347687502618e-08"
## V4 "5,04638247533486e-08" "4,86669624246831e-08" "4,76481550308429e-08"
## V5 "5,0330040190481e-08" "4,85773232790838e-08" "4,76044951563028e-08"WTnew<-data.frame(WTprofilestranspose) #convert back to dataframe
head(WTnew)## X1 X2 X3 X4
## X 1 2 3 4
## V1 <NA> 5,82382830552627e-08 5,38942958955866e-08 5,09633295540594e-08
## V2 <NA> 5,80235549535576e-08 5,37368395649884e-08 5,07747911882101e-08
## V3 <NA> 5,77751616783306e-08 5,35973257090456e-08 5,06091185229005e-08
## V4 <NA> 5,75542619713064e-08 5,34678583871893e-08 5,04638247533486e-08
## V5 <NA> 5,73599632693117e-08 5,32974218304434e-08 5,0330040190481e-08
## X5 X6
## X 5 6
## V1 4,88664145215819e-08 4,78523945723146e-08
## V2 4,87899927972151e-08 4,77924771455426e-08
## V3 4,87438449523238e-08 4,77347687502618e-08
## V4 4,86669624246831e-08 4,76481550308429e-08
## V5 4,85773232790838e-08 4,76044951563028e-08WTnew<-WTnew[-1,] #eliminate weird index on the top row
head(WTnew) #very nice## X1 X2 X3 X4
## V1 <NA> 5,82382830552627e-08 5,38942958955866e-08 5,09633295540594e-08
## V2 <NA> 5,80235549535576e-08 5,37368395649884e-08 5,07747911882101e-08
## V3 <NA> 5,77751616783306e-08 5,35973257090456e-08 5,06091185229005e-08
## V4 <NA> 5,75542619713064e-08 5,34678583871893e-08 5,04638247533486e-08
## V5 <NA> 5,73599632693117e-08 5,32974218304434e-08 5,0330040190481e-08
## V6 <NA> 5,71440270300244e-08 5,31123969304796e-08 5,02236157422854e-08
## X5 X6
## V1 4,88664145215819e-08 4,78523945723146e-08
## V2 4,87899927972151e-08 4,77924771455426e-08
## V3 4,87438449523238e-08 4,77347687502618e-08
## V4 4,86669624246831e-08 4,76481550308429e-08
## V5 4,85773232790838e-08 4,76044951563028e-08
## V6 4,84923588174306e-08 4,75854600444872e-08rownamez<-c(1:109) #create a vector of the strategies that Jake can use, there are 109 strategies
WTnew$strategynumber<-rownamez #ADD COLUMN TO DATAFRAME
head(WTnew) #looking good## X1 X2 X3 X4
## V1 <NA> 5,82382830552627e-08 5,38942958955866e-08 5,09633295540594e-08
## V2 <NA> 5,80235549535576e-08 5,37368395649884e-08 5,07747911882101e-08
## V3 <NA> 5,77751616783306e-08 5,35973257090456e-08 5,06091185229005e-08
## V4 <NA> 5,75542619713064e-08 5,34678583871893e-08 5,04638247533486e-08
## V5 <NA> 5,73599632693117e-08 5,32974218304434e-08 5,0330040190481e-08
## V6 <NA> 5,71440270300244e-08 5,31123969304796e-08 5,02236157422854e-08
## X5 X6 strategynumber
## V1 4,88664145215819e-08 4,78523945723146e-08 1
## V2 4,87899927972151e-08 4,77924771455426e-08 2
## V3 4,87438449523238e-08 4,77347687502618e-08 3
## V4 4,86669624246831e-08 4,76481550308429e-08 4
## V5 4,85773232790838e-08 4,76044951563028e-08 5
## V6 4,84923588174306e-08 4,75854600444872e-08 6colnamez<-c('Slice1','Slice2','Slice3','Slice4','Slice5','Slice6') #save column names to a vector
colnames(WTnew)<-colnamez #add column names to dataframe
head(WTnew)## Slice1 Slice2 Slice3 Slice4
## V1 <NA> 5,82382830552627e-08 5,38942958955866e-08 5,09633295540594e-08
## V2 <NA> 5,80235549535576e-08 5,37368395649884e-08 5,07747911882101e-08
## V3 <NA> 5,77751616783306e-08 5,35973257090456e-08 5,06091185229005e-08
## V4 <NA> 5,75542619713064e-08 5,34678583871893e-08 5,04638247533486e-08
## V5 <NA> 5,73599632693117e-08 5,32974218304434e-08 5,0330040190481e-08
## V6 <NA> 5,71440270300244e-08 5,31123969304796e-08 5,02236157422854e-08
## Slice5 Slice6 NA
## V1 4,88664145215819e-08 4,78523945723146e-08 1
## V2 4,87899927972151e-08 4,77924771455426e-08 2
## V3 4,87438449523238e-08 4,77347687502618e-08 3
## V4 4,86669624246831e-08 4,76481550308429e-08 4
## V5 4,85773232790838e-08 4,76044951563028e-08 5
## V6 4,84923588174306e-08 4,75854600444872e-08 6WTnewformat<-gather(WTnew, SliceNumber, Activitypermg,Slice1:Slice6) #use the gather command, the specifications of this command are below... this command is from the tidyr ## Warning: attributes are not identical across measure variables; they will
## be droppedhead(WTnewformat)## NA SliceNumber Activitypermg
## 1 1 Slice1 <NA>
## 2 2 Slice1 <NA>
## 3 3 Slice1 <NA>
## 4 4 Slice1 <NA>
## 5 5 Slice1 <NA>
## 6 6 Slice1 <NA>Gather command takes as its first argument the data you need to use, you then specify the column that is going to hold the categorical values of the columns you want to collapse. Secondly you specify where you want all the data from the columns in the collapse to go. Lastly you tell the gather command which columns you want to collapse.