Tidyr：跨多个数据帧传播数据

我在

R

中有以下数据帧：

Date | ID | Shape | Size | Color
---- | -- | ----- | ---- | ----
1/1/1| 01 | RND   | L    | RED
1/1/1| 02 | RND   | M    | BRN
1/1/1| 03 | SQR   | S    | BLK 
1/2/1| 01 | TRI   | S    | GRN
1/2/1| 02 | SQR   | L    | BLK
1/2/1| 03 | RND   | L    | BLU 
1/3/1| 01 | OVL   | M    | YEL
1/3/1| 02 | STR   | L    | ORA
1/3/1| 03 | CUB   | S    | PUR
...  | .. | ...   | ...  | ...

我想将此数据帧转换为以下单独的数据帧：

df_shape:

Date | Shape.id1 | Shape.id2 | Shape.id3
---- | --------- | --------- | ---------
1/1/1| RND       | RND       | SQR
1/2/1| TRI       | SQR       | RND
1/3/1| OVL       | STR       | CUB
...  | ...       | ...       | ...


df_size:

Date | Size.id1  | Size.id2  | Size.id3
---- | --------- | --------- | ---------
1/1/1| L         | M         | S
1/2/1| S         | L         | L
1/3/1| M         | L         | S
...  | ...       | ...       | ...


df_color:

Date | Color.id1 | Color.id2| Color.id3
---- | --------- | ---------| ---------
1/1/1| RED       | BRN      | BLK
1/2/1| GRN       | BLK      | BLU
1/3/1| YEL       | ORA      | PUR
...  | ...       | ...      | ...

我知道在这种情况下，

tidyr

和

spread（）

可能是完美的，但我不确定如何真正做到这一点

• 使用日期的

  键、值组合是什么

• 然后，如何将子集划分为多个数据帧

谢谢

好吧，你可以这样做：

df_shape <- df %>% distinct(Date, ID, Shape) %>%
  mutate(ID = paste0("Shape.id", ID)) %>%
  spread(ID, Shape)

df_size <- df %>% distinct(Date, ID, Size) %>%
  mutate(ID = paste0("Size.id", ID)) %>%
  spread(ID, Size)

df_color <- df %>% distinct(Date, ID, Color) %>%
  mutate(ID = paste0("Color.id", ID)) %>%
  spread(ID, Color)

df_形状%distinct（日期、ID、形状）%%>%
变异（ID=paste0（“Shape.ID”，ID））%>%
排列（ID、形状）
df_大小%不同（日期、ID、大小）%>%
变异（ID=0（“Size.ID”，ID））%>%
排列（ID、大小）
df_颜色%不同（日期、ID、颜色）%>%
变异（ID=paste0（“Color.ID”，ID））%>%
排列（ID、颜色）

我将使用R附带的

iris

数据集创建一个示例，并使用“tidyverse”中的包。首先，我将创建一个

date

变量，使

iris

看起来更像您的数据集

library(purrr)
library(dplyr)
library(tidyr)
d <- mutate(iris, date = rep(1:50, 3))

现在我们使用

map

来迭代

变量

out <- map(variables, function(f) {
  select(d, date, Species, f) %>%
    spread(key = Species, value = f) %>%
    rename_at(2:4, ~paste0(f, "_", .))
})

您可以将

保留为数据帧列表，也可以使用

list2env(out, envir = globalenv())

将列表组件分配到全局环境中。
您可以给我们一个玩具示例或数据样本（使用
dput（）
或其他允许创建数据帧的代码）您可以使用
dplyr:：select（）
选择日期和形状变量，然后
tidyr:：spread（）
。其他变量也是如此
str(out)
# List of 4
#  $ df_Sepal.Length:'data.frame':        50 obs. of  4 variables:
#   ..$ date                   : int [1:50] 1 2 3 4 5 6 7 8 9 10 ...
#   ..$ Sepal.Length_setosa    : num [1:50] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
#   ..$ Sepal.Length_versicolor: num [1:50] 7 6.4 6.9 5.5 6.5 5.7 6.3 4.9 6.6 5.2 ...
#   ..$ Sepal.Length_virginica : num [1:50] 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3 6.7 7.2 ...
#  $ df_Sepal.Width :'data.frame':        50 obs. of  4 variables:
#   ..$ date                  : int [1:50] 1 2 3 4 5 6 7 8 9 10 ...
#   ..$ Sepal.Width_setosa    : num [1:50] 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
#   ..$ Sepal.Width_versicolor: num [1:50] 3.2 3.2 3.1 2.3 2.8 2.8 3.3 2.4 2.9 2.7 ...
#   ..$ Sepal.Width_virginica : num [1:50] 3.3 2.7 3 2.9 3 3 2.5 2.9 2.5 3.6 ...
#  $ df_Petal.Length:'data.frame':        50 obs. of  4 variables:
#   ..$ date                   : int [1:50] 1 2 3 4 5 6 7 8 9 10 ...
#   ..$ Petal.Length_setosa    : num [1:50] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
#   ..$ Petal.Length_versicolor: num [1:50] 4.7 4.5 4.9 4 4.6 4.5 4.7 3.3 4.6 3.9 ...
#   ..$ Petal.Length_virginica : num [1:50] 6 5.1 5.9 5.6 5.8 6.6 4.5 6.3 5.8 6.1 ...
#  $ df_Petal.Width :'data.frame':        50 obs. of  4 variables:
#   ..$ date                  : int [1:50] 1 2 3 4 5 6 7 8 9 10 ...
#   ..$ Petal.Width_setosa    : num [1:50] 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
#   ..$ Petal.Width_versicolor: num [1:50] 1.4 1.5 1.5 1.3 1.5 1.3 1.6 1 1.3 1.4 ...
#   ..$ Petal.Width_virginica : num [1:50] 2.5 1.9 2.1 1.8 2.2 2.1 1.7 1.8 1.8 2.5 ...

list2env(out, envir = globalenv())