将长数据转换为宽数据并计算R中的和

如何将长数据重塑为宽数据

x = c('x1','x1','x2','x2')
y  = c('y1','y1','y2','y2')
z= c('a','b','a','b')
n = c(3,5,7,2)
df1 <- data.table(x,y,z,n)
    > df1
    x  y z n
1: x1 y1 a 3
2: x1 y1 b 5
3: x2 y2 a 7
4: x2 y2 b 2

我试着玩了重塑和dcast，但对我没有帮助

dcast(df1, x ~ y, value.var="value")

---

我不清楚为什么需要z，z.1和z.2。在输出表中，在上述所需的输出示例中，它向您提供了哪些信息

我这里的解决方案可能会有所帮助，它还捕获z值，为您提供关于哪个值具有id

a

或id

b

df1 <- data.table(x,y,z,n)
df1$id <- c(as.factor(df1$z)) # create an id on z, so that you can capture the info

   x  y z n id
1: x1 y1 a 3  1
2: x1 y1 b 5  2
3: x2 y2 a 7  1
4: x2 y2 b 2  2

# reshape with the id var to wide format 
dt <- reshape(df1,timevar= "id", idvar = c("x","y"), direction="wide")

    x  y z.1 n.1 z.2 n.2
1: x1 y1   a   3   b   5
2: x2 y2   a   7   b   2

# finally do a rowsums
dt[, Sum := rowSums(.SD, na.rm = TRUE), .SDcols = grep("n", names(dt))] 
dt
    x  y z.1 n.1 z.2 n.2 Sum
1: x1 y1   a   3   b   5   8
2: x2 y2   a   7   b   2   9

---

df1我不清楚为什么需要z，以及z.1和z.2。在输出表中，在上述所需的输出示例中，它向您提供了哪些信息

我这里的解决方案可能会有所帮助，它还捕获z值，为您提供关于哪个值具有id
a
或id
b

df1 <- data.table(x,y,z,n)
df1$id <- c(as.factor(df1$z)) # create an id on z, so that you can capture the info

   x  y z n id
1: x1 y1 a 3  1
2: x1 y1 b 5  2
3: x2 y2 a 7  1
4: x2 y2 b 2  2

# reshape with the id var to wide format 
dt <- reshape(df1,timevar= "id", idvar = c("x","y"), direction="wide")

    x  y z.1 n.1 z.2 n.2
1: x1 y1   a   3   b   5
2: x2 y2   a   7   b   2

# finally do a rowsums
dt[, Sum := rowSums(.SD, na.rm = TRUE), .SDcols = grep("n", names(dt))] 
dt
    x  y z.1 n.1 z.2 n.2 Sum
1: x1 y1   a   3   b   5   8
2: x2 y2   a   7   b   2   9

df1这里是一个使用tidyr的解决方案

x = c('x1','x1','x2','x2')
y  = c('y1','y1','y2','y2')
z= c('a','b','a','b')
n = c(3,5,7,2)
df <- data.frame(x,y,z,n)

library(tidyr)
library(dplyr)

answer<-df %>% group_by(x, y) %>% mutate(n=sum(n))  %>% 
  unite(title, -3) %>% spread(z, z) %>% separate( title, into=c("x", "y", "n"))

# x     y     n     a     b    
# <chr> <chr> <chr> <fct> <fct>
# 1 x1    y1    8     a     b    
# 2 x2    y2    9     a     b   

x=c（'x1'，'x1'，'x2'，'x2'））
y=c（'y1'，'y1'，'y2'，'y2'）
z=c（'a'、'b'、'a'、'b'）
n=c（3,5,7,2）
df%变异（n=总和（n））%>%
联合（标题，-3）%%>%排列（z，z）%%>%分开（标题，分为=c（“x”，“y”，“n”））
#x y n a b
#     
#1 x1 y1 8 a b
#2 x2 y2 9 a b

我允许读者将这些列调整为所需的格式，这是一项附加工作。
这里有一个tidyr解决方案

x = c('x1','x1','x2','x2')
y  = c('y1','y1','y2','y2')
z= c('a','b','a','b')
n = c(3,5,7,2)
df <- data.frame(x,y,z,n)

library(tidyr)
library(dplyr)

answer<-df %>% group_by(x, y) %>% mutate(n=sum(n))  %>% 
  unite(title, -3) %>% spread(z, z) %>% separate( title, into=c("x", "y", "n"))

# x     y     n     a     b    
# <chr> <chr> <chr> <fct> <fct>
# 1 x1    y1    8     a     b    
# 2 x2    y2    9     a     b   

x=c（'x1'，'x1'，'x2'，'x2'））
y=c（'y1'，'y1'，'y2'，'y2'）
z=c（'a'、'b'、'a'、'b'）
n=c（3,5,7,2）
df%变异（n=总和（n））%>%
联合（标题，-3）%%>%排列（z，z）%%>%分开（标题，分为=c（“x”，“y”，“n”））
#x y n a b
#     
#1 x1 y1 8 a b
#2 x2 y2 9 a b

我允许读者将这些列调整为所需的格式，这是一项附加工作。
只是为了向锅中加入另一个选项（并非我认为其他解决方案不合适）。我认为这种方法简单直观

df1 <- data.frame(x,y,z,n)

data.frame(c(aggregate(n ~ x+y, sum, data=df1),
             aggregate(z ~ x+y, unique, data=df1)[3]))


#   x  y n z.1 z.2
# 1 x1 y1 8   a   b
# 2 x2 y2 9   a   b

df1只是为了把另一个选项扔进锅里（我并不认为其他解决方案不合适）。我认为这种方法简单直观

df1 <- data.frame(x,y,z,n)

data.frame(c(aggregate(n ~ x+y, sum, data=df1),
             aggregate(z ~ x+y, unique, data=df1)[3]))


#   x  y n z.1 z.2
# 1 x1 y1 8   a   b
# 2 x2 y2 9   a   b

df1我可以推荐一个tidyverse解决方案吗？我可以推荐一个tidyverse解决方案吗？您的解决方案更适合我的情况，因为我现在记得我希望n列作为单独的行以及它的总和。。干杯，谢谢你在不知不觉中给出了这个解决方案。你的解决方案更适合我的情况，因为我现在记得我想要n列作为单独的行以及它的总和。。谢谢你在不知不觉中给出了解决方案。