将data.frame展开为长格式并增加值

我想将我的数据从短格式转换为长格式，我想有一种简单的方法可以做到这一点（可能使用Reforme2、plyr、dplyr等）

例如，我有：

foo <- data.frame(id = 1:5, 
              y = c(0, 1, 0, 1, 0),
              time = c(2, 3, 4, 2, 3))

id y time
1  0  2
2  1  3
3  0  4
4  1  2
5  0  3

作为奖励，我还想对变量“y”进行某种递增，其中，对于y=1的ID，y设置为0，直到“time”的最大值。也就是说，我想制作：

id  y time
1   0   1
1   0   2
2   1   1
2   1   2
2   1   3
3   0   1
3   0   2
3   0   3
3   0   4
4   1   1
4   1   2
5   0   1
5   0   2
5   0   3

id  y time
1   0   1
1   0   2
2   0   1
2   0   2
2   1   3
3   0   1
3   0   2
3   0   3
3   0   4
4   0   1
4   1   2
5   0   1
5   0   2
5   0   3

---

这似乎是dplyr可能已经做过的事情，但我只是不知道去哪里看。无论如何，任何避免循环的解决方案都是有帮助的。

您可以使用适当的

id

和

time

列为长格式创建一个新的数据帧，然后将其与原始数据帧合并。这将为不匹配的值留下

NA

，然后可以用

0

替换：

merge(foo, 
      with(foo, 
           data.frame(id=rep(id,time), time=sequence(time))
      ), 
      all.y=TRUE
)
##    id time  y
## 1   1    1 NA
## 2   1    2  0
## 3   2    1 NA
## 4   2    2 NA
## 5   2    3  1
## 6   3    1 NA
## 7   3    2 NA
## 8   3    3 NA
## 9   3    4  0
## 10  4    1 NA
## 11  4    2  1
## 12  5    1 NA
## 13  5    2 NA
## 14  5    3  0

类似的合并适用于第一次扩展。合并

foo

，不使用

time

列，并使用与上述相同的已创建数据帧：

merge(foo[c('id','y')], 
      with(foo, 
           data.frame(id=rep(id,time), time=sequence(time))
      )
) 
##    id y time
## 1   1 0    1
## 2   1 0    2
## 3   2 1    1
## 4   2 1    2
## 5   2 1    3
## 6   3 0    1
## 7   3 0    2
## 8   3 0    3
## 9   3 0    4
## 10  4 1    1
## 11  4 1    2
## 12  5 0    1
## 13  5 0    2
## 14  5 0    3

---

无需在后一个表达式中指定

all

（或

all.y

），因为每个匹配的

id

值都有多个

time

值，并且这些值是展开的。在前一种情况下，

time

值与两个数据帧匹配，在不指定

all

（或

all.y

）的情况下，您将获得原始数据。

初始扩展可通过以下方式实现：

newdat <- transform( 
  foo[rep(rownames(foo),foo$time),], 
  time = sequence(foo$time)
)

#    id y time
#1    1 0    1
#1.1  1 0    2
#2    2 1    1
#2.1  2 1    2
#2.2  2 1    3
# etc

使用dplyr（和magritte，清晰易读）：

---

希望对您有所帮助

如果您愿意使用“data.table”，您可以尝试：

library(data.table)
fooDT <- as.data.table(foo)
fooDT[, list(time = sequence(time)), by = list(id, y)]
#     id y time
#  1:  1 0    1
#  2:  1 0    2
#  3:  2 1    1
#  4:  2 1    2
#  5:  2 1    3
#  6:  3 0    1
#  7:  3 0    2
#  8:  3 0    3
#  9:  3 0    4
# 10:  4 1    1
# 11:  4 1    2
# 12:  5 0    1
# 13:  5 0    2
# 14:  5 0    3

---

@MatthewLundberg—

cumsum（foo$time）

将始终给出扩展数据中组的最后一行。对

y==1

进行子集设置，并将其反转，将每组中最后一行之前的所有行设置为0.+1。我没有做任何测量，但这看起来比合并更有效。@MatthewLundberg，现在选项中有“dplyr”和“data.table”解决方案，谁来做基准测试；-）实际上，通过一些快速测试，这项功能的性能非常好。您可以尝试

foo[rep（1:nrow（foo），foo$time），]%%>%groupby（id）%%>%mutate（time=1:n（），y=replace（y，！！y，c（rep（0，n（）-1），1））

within(
  foo[rep(rownames(foo),foo$time),],
  {
    time <- sequence(foo$time)
    y[-cumsum(foo$time)] <- 0
  }
)

library(magrittr)
library(dplyr)

foo[rep(1:nrow(foo), foo$time), ] %>%
    group_by(id) %>%
    mutate(y = !duplicated(y, fromLast = TRUE),
                  time = 1:n())

library(data.table)
fooDT <- as.data.table(foo)
fooDT[, list(time = sequence(time)), by = list(id, y)]
#     id y time
#  1:  1 0    1
#  2:  1 0    2
#  3:  2 1    1
#  4:  2 1    2
#  5:  2 1    3
#  6:  3 0    1
#  7:  3 0    2
#  8:  3 0    3
#  9:  3 0    4
# 10:  4 1    1
# 11:  4 1    2
# 12:  5 0    1
# 13:  5 0    2
# 14:  5 0    3

fooDT[, list(time = sequence(time)), 
      by = list(id, y)][, y := {y[1:(.N-1)] <- 0; y}, 
                        by = id][]
#     id y time
#  1:  1 0    1
#  2:  1 0    2
#  3:  2 0    1
#  4:  2 0    2
#  5:  2 1    3
#  6:  3 0    1
#  7:  3 0    2
#  8:  3 0    3
#  9:  3 0    4
# 10:  4 0    1
# 11:  4 1    2
# 12:  5 0    1
# 13:  5 0    2
# 14:  5 0    3

fooDT[, list(time=seq_len(time)), by=list(id,y)][y == 1, 
                y := c(rep.int(0, .N-1L), 1), by=id][]