在R中重新排列数据框。

Question

我有一个看起来像这样的数据框：

created_at  actor_attributes_email      type
3/11/12 7:28    [e-mail]         PushEvent
3/11/12 7:28    [e-mail]         PushEvent
3/11/12 7:28    [e-mail]         PushEvent
3/11/12 7:42    [e-mail]         IssueCommentEvent
3/11/12 11:06   [e-mail]     PushEvent
3/11/12 11:06   [e-mail]     PushEvent

现在我想按月/年重新排列它（仍然按时间排序，仍然保持行的完整性）。 这应该为每个月创建3个列，然后将与该月相关的所有数据（created_at，actor_attributes_email和type）放入这些3个列中，以便我获得以下标题（对于数据中存在的所有月份）：

april_2011_created_at april_2011_actor_attributes_email april_2011_type may_2011_created_at may_2011_actor_attributes_email may_2011_type  

我该如何在R中完成这个任务？

完整数据集的CSV文件可以在这里找到： https://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/rubinius_rubinius_sequencing/rubinius_6months.csv

以下是CSV文件的前几行的dput()：

structure(list(created_at = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 
3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L, 8L, 
8L, 8L, 9L, 9L, 9L, 10L, 10L, 10L), .Label = c("2012-03-11 07:28:04", 
"2012-03-11 07:28:19", "2012-03-11 07:42:16", "2012-03-11 11:06:13", 
"2012-03-11 12:46:25", "2012-03-11 13:03:12", "2012-03-11 13:12:34", 
"2012-03-11 13:14:52", "2012-03-11 13:30:14", "2012-03-11 13:30:48"
), class = "factor"), actor_attributes_email = structure(c(3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("", 
"[e-mail]", "[e-mail]"), class = "factor"), 
    type = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 
    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
    2L, 2L, 2L, 2L, 2L), .Label = c("IssueCommentEvent", "PushEvent"
    ), class = "factor")), .Names = c("created_at", "actor_attributes_email", 
"type"), class = "data.frame", row.names = c(NA, -30L))

其他一些假设是:

• 即使 "PushEvent"（例如）重复10次，我仍然需要保留所有这些，因为我将使用R包TraMineR进行序列分析
• 列的长度可以不相等
• 不同月份的列之间没有关系
• 某个月内的数据应该按最早的时间排序
• 来自2011年6月和2012年6月的数据需要在不同的列中

- histelheim

Answer 1

library(plyr)
library(lubridate)
df$created_at <- ymd_hms(df$created_at, quiet = TRUE)
df$mname <- as.character(lubridate::month(df$created_at,label = T, abbr = T))
result <- dlply(df, .(mname), function(x){
      x <- arrange(x, created_at)
      names(x) <- paste0(unique(x$mname), "_", names(x))
      x$mname <- NULL
      x
    }, .progress = 'text')

final_result <- ldply(result, rbind.fill)[, -1]

请注意，由于您需要将月份名称附加到3个列名中并填写相应的数据，因此所有没有数据的列都将被填充为NA（这是rbind.fill预期的行为）。

- Maiasaura

---

很佩服你和mplourde能够理解问题陈述。 - IRTFM

谢谢。然而，这种方法的输出结果有些不方便，比如如果四月份在第1543行结束，那么五月份就从第1544行开始）。有没有办法确保每个月的数据都从第2行开始（即标题后面）？此外，如何使得各个月份按照时间顺序排列？ - histelheim

每个月份作为一列确实会使它变得非常宽。如果跳过最后一行，则“result”列表将只有每个月份，可以轻松地写入数据框或进一步处理，而无需合并成一个庞大且笨重的数据框（我认为您需要某种原因）。 - Maiasaura

这一年是否可以对年份敏感？现在它将2011年6月和2012年6月的事件放在同一列中。 - histelheim

Answer 2

Maiasaura提供了一种使用plyr和lubridate完成工作的优雅方式。以下是在base R中实现它的稍微不那么优雅的方法。但与Maiasaura的方法不同，这种方法将NA行的数量最小化。每个月份的NA行数是该月份行数与任何月份的最大行数之间的差。

# split df by month
by.mon <- split(df, months(as.POSIXct(df$created_at)))

# rename the columns to include the month name
by.mon <- mapply(
    function(x, mon.name) {
        names(x) <- paste(mon.name, names(x), sep='_');
        return(x)
    }, x=by.mon, mon.name=names(by.mon), SIMPLIFY=FALSE)

# add an index column for merging on
by.mon.indexed <- lapply(by.mon, function(x) within(x, index <- 1:nrow(x)))

# merge all of the months together
results <- Reduce(function(x, y) merge(x, y, by='index', all=TRUE, sort=FALSE), 
    by.mon.indexed)

# remove the index column
final_result <- results[names(results) != 'index']

- Matthew Plourde

---

谢谢！有没有办法确保月份按顺序排列？ - histelheim

你可以使用以下代码对 by.mon 进行排序：by.mon <- by.mon[order(match(names(by.mon), month.name))]，这应该可以解决问题。 - Matthew Plourde

这一年是否可以对年份敏感？现在它将2011年6月和2012年6月的事件放在同一列中。 - histelheim