一次性重塑多个值

Question

我有一个长数据集，我想将其变宽，并且我很好奇是否有一种方法可以使用R中的reshape2或tidyr包在一步中完成所有操作。

数据框架df的样子是这样的：

id  type    transactions    amount
20  income       20          100
20  expense      25          95
30  income       50          300
30  expense      45          250

我想要达到这个目标：

id  income_transactions expense_transactions    income_amount   expense_amount
20       20                           25                 100             95
30       50                           45                 300             250

我知道可以通过reshape2来实现部分功能，例如：

dcast(df, id ~  type, value.var="transactions")

但是否有一种方法可以在一个步骤中重新塑造整个df，同时解决“transactions”和“amount”变量？并且最好使用新的更合适的列名？

- Dirk Calloway

Answer 1

在 "reshape2" 中，您可以使用 recast 函数（尽管根据我的经验，这并不是一个广为人知的函数）。

library(reshape2)
recast(mydf, id ~ variable + type, id.var = c("id", "type"))
#   id transactions_expense transactions_income amount_expense amount_income
# 1 20                   25                  20             95           100
# 2 30                   45                  50            250           300

你也可以使用基本的R函数 reshape：

reshape(mydf, direction = "wide", idvar = "id", timevar = "type")
#   id transactions.income amount.income transactions.expense amount.expense
# 1 20                  20           100                   25             95
# 3 30                  50           300                   45            250

或者，您可以像这样使用 data.table 进行melt和dcast：

library(data.table)
library(reshape2)
dcast.data.table(melt(as.data.table(mydf), id.vars = c("id", "type")), 
                 id ~ variable + type, value.var = "value")
#    id transactions_expense transactions_income amount_expense amount_income
# 1: 20                   25                  20             95           100
# 2: 30                   45                  50            250           300

在"data.table"的后续版本(1.9.8)中，您将能够直接执行此操作。如果我理解正确，@Arun试图实现的是在不必先melt数据的情况下进行重塑，这与目前使用recast发生的情况相同，它本质上是melt+dcast操作序列的包装器。

---

为了全面起见，这里是 tidyr 的方法：

library(dplyr)
library(tidyr)
mydf %>% 
  gather(var, val, transactions:amount) %>% 
  unite(var2, type, var) %>% 
  spread(var2, val)
#   id expense_amount expense_transactions income_amount income_transactions
# 1 20             95                   25           100                  20
# 2 30            250                   45           300                  50

- A5C1D2H2I1M1N2O1R2T1

---

这是一个很好的答案（启迪+好答案徽章在路上...），但不确定为什么我们需要使用tidyr、dplyr、data.table、reshape等等这些东西，当使用基本的R语言就可以如此简单地完成。 - David Arenburg

@DavidArenburg，真的是大规模的速度。我是“reshape”的老粉丝，但如果有人处理远程大数据，它不会是我的首选建议。 - A5C1D2H2I1M1N2O1R2T1

现在我正在研究reshape的源代码，看起来它全部都是无尽的for/apply循环。可惜它不是用C/C++编写的，因为所有基本的R函数都应该是这样的。 - David Arenburg

“reshape()很简单？”对此我只能说“哈哈哈哈”。 - hadley

@hadley，我不能代表David发言，但我认为他的评论并不是说reshape()很简单，而是意味着此处的reshape()方法实际上相当直截了当。 - A5C1D2H2I1M1N2O1R2T1

在这种情况下，“mess”与tidyr、dplyr、data.table、reshape2等工具打交道的整个意义在于，它们更好地推广到新问题，而reshape（）则不行。 - hadley

Answer 2

从data.table v1.9.6+版本开始，我们可以同时转换多个value.var列（也可以在fun.aggregate中使用多个聚合函数）。请参见?dcast获取更多信息以及示例部分。

require(data.table) # v1.9.6+
dcast(dt, id ~ type, value.var=names(dt)[3:4])
#    id transactions_expense transactions_income amount_expense amount_income
# 1: 20                   25                  20             95           100
# 2: 30                   45                  50            250           300

- Arun