logo标签列表

在R中将2列数据（从长格式转换为宽格式）扩展为4列。

rdplyrtidyr
3

我有这样的数据

id  year    facname class_code       line_no    value
1     1         A        County           1      county1
1     1         A        County           2      county2
1     1         A        source1          1      9
1     1         A        source1          2      4
1     1         A        source2          1      7
1     1         A        source2          2      2
1     1         A        source3          1      8...

2     1         B        County           1      county1
2     1         B        County           2      county1
2     1         B        source1          1      21
2     1         B        source1          2      9
2     1         B        source2          1      4
2     1         B        source2          2      7 ....

我正在尝试将其转换为类似于以下内容的东西： （请注意，最后三列将相应地具有“spread”值）
id year facname   line_no        County      source1        source2      source3
1   1    A       1               county1      9                7           8      
1   2    A       2               county2      4                2           NA
1   3    A       3               county3             
1   4    A       4               county4
2   1    B       1               county1
2   2    B       2               county2
2   3    B       3               county3
2   4    B       4               county4

这将展示不同付款方（source1，source2，source3）和县名（county1，county2）所属的县的数量。 我知道这是一些spread（可能还有gather）的组合，但我无法理解它。 非常感谢您的任何帮助！ （PS：我知道这可能是一个重复的问题，但我真的很新于整理数据）
编辑：县（county1,2等）实际上是数字（在原始数据集中），但其性质是分类的，因此我将其称为县1，其他值（来源）实际上是参与该县事件的人数（source1，source2等）。每个设施有40个line_no。
基本上在这种情况下，县（county1，county2等）是数字县代码（分类）。为了简单起见，我使用county1、county2代替它们各自的县代码（“01”、“20”）。而其他的是数字（source1有2人，source2有3人等）。由于值列（原始数据集）的性质是数值型的，我无法形成逻辑来使用spread。我最初复制行号时犯了一个错误，现在已经更正了。对于造成的混乱，我表示歉意。 - Anurag Kaushik
没问题。但是你在一些行中提到了 county1，而在其他行中提到了一个 number。为了保持一致性，我们能不能使用 county1、county2、county3 等等呢？你的数据是这样的吗？ - MKR
1
@MKR 是的，它们都不是县。每个 facname（设施名称）有40个 line_numbers，其中只有一些付款人（来自 source1、source2 和 source3）。我认为显示所有40个可能不太方便，所以我做了这个修改。抱歉，我应该在 A 和 B 设施之间添加一个“...”来表示它们之间有很多行代码和相应的来源。我会更新帖子的！ - Anurag Kaushik
@AnuragKaushik 是的。我想我最终理解了逻辑。我希望其中任何一个答案都能解决您的问题。您可以在真实的数据框上尝试这些。 - MKR
谢谢你们两个！@akrun，抱歉那里有大约40个县。我已根据您的评论编辑了我的帖子。 - Anurag Kaushik
显示剩余2条评论
2个回答
2

一种选择是使用双重的 tidyr::spread，如下所示：

更新： 基于 @CJYetman 的评论

library(dplyr)
library(tidyr)

# Just spread can transform and work on present sample data used by OP
df %>% spread(class_code, value)

#The complicated version below based was initially used to handle different
#line numbers for rows with "County" and rows without "County"
filter(df, class_code == "County") %>% spread(class_code, value) %>% 
left_join(filter(df, class_code != "County") %>% spread(class_code, value),
  by=c("id", "line_no", "facname")) 

#   id facname line_no  County source1 source2 source3
# 1  1       A       1 county1       9       7       8
# 2  1       A       2 county2       4       2    <NA>
# 3  2       B       1 county1      21       4    <NA>
# 4  2       B       2 county1       9       7    <NA>

数据：

df <- read.table(text = 
"id  facname class_code       line_no    value
1   A        County           1      county1
1   A        County           2      county2
1   A        source1          1      9
1   A        source1          2      4
1   A        source2          1      7
1   A        source2          2      2
1   A        source3          1      8
2   B        County           1      county1
2   B        County           2      county1
2   B        source1          1      21
2   B        source1          2      9
2   B        source2          1      4
2   B        source2          2      7",
header = TRUE, stringsAsFactors = FALSE)
我尝试了一下，发现出现了和之前使用spread时一样的错误（当然，它远没有你发布的那个复杂）。我很喜欢你所使用的逻辑，因为我正试图提高我的整洁和dplyr技能。这个错误是“行的重复标识符”，我不太明白它的意思。非常感谢你的帮助，我会在完成项目后继续尝试这个解决方案。 :) - Anurag Kaushik
1
@CJYetman 您说得完全正确。实际上，最初数据和预期输出存在一些混淆。正如您所注意到的那样，OP 仍然在他的实际数据框中遇到了一些问题。我会编辑答案，并将您的评论放入其中，因为我可以看到当前的解决方案正在使其他人感到困惑。 - MKR
1
@MKR 非常感谢！这个简单的代码实际上起作用了。给我提供数据的人错过了一个关键组成部分，即“观察年份”。我承认这完全是我的错，因为我没有早些时候跟进并检查数据的准确性！CJ Yetman 给出的基本解决方案就是得出答案的方法！由于周末我无法访问数据，所以我无法更新！谢谢大家！ - Anurag Kaushik
1
我已经相应地更新了帖子，所以如果有人来到这个页面不会感到困惑。 - Anurag Kaushik
2
我们可以使用来自data.table的dcast。
library(data.table)
dcast(setDT(df1), id + facname + rowid(class_code) ~ class_code, value.var = 'value')
#     id facname class_code  County source1 source2 source3
#1:  1       A          1 county1       9       7       8
#2:  1       A          2 county2       4       2      NA
#3:  2       B          3 county1      21       4      NA
#4:  2       B          4 county1       9       7      NA

如果我们需要如预期输出中的8行：
dcast(setDT(df1), id + facname + rowid(class_code) ~ class_code, 
    value.var = 'value', drop = FALSE)[ ,.SD[!all(is.na(County))], .(id, facname)]
#   id facname class_code  County source1 source2 source3
#1:  1       A          1 county1       9       7       8
#2:  1       A          2 county2       4       2      NA
#3:  1       A          3      NA      NA      NA      NA
#4:  1       A          4      NA      NA      NA      NA
#5:  2       B          1      NA      NA      NA      NA
#6:  2       B          2      NA      NA      NA      NA
#7:  2       B          3 county1      21       4      NA
#8:  2       B          4 county1       9       7      NA
第一个几乎接近我想要的！我希望将line_no变成一列，而不是class_code。我会尝试调整代码，但如果您能编辑您的答案，我将非常感激:D！非常感谢！ - Anurag Kaushik
@AnuragKaushik 这很容易做到。setDT(df1)[, line_no: rowid(class_code); dcast(df1, id + facname + line_no ~ class_code, ... - akrun
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接