R 重塑后数据帧中出现意外值

因此，我有以下重塑功能：

reshaped <- function(df){
df %>%
  select(subjects, diseases) %>% 
  group_by(subjects, diseases) %>%
  count() %>%
  ungroup() %>%
  spread(diseases, n, drop=TRUE)}

现在，问题是，这些数字是假的。受试者

1111111

没有2个

disease1

实例或3个

disease2

实例等。所有条目均应填写NA值。事实上，这些

disease_1，disease2，disease3

都是极为罕见的疾病，在整个数据中很少发生，只是碰巧按字母顺序排在第一位（都以A开头）

还有其他一些事情需要注意。首先，这是一个非常大的数据集，经过重塑的版本有大约38000列和120万行。我使用大约400 GB的RAM来处理这些数据（以块为单位），在压缩的RDs格式中，它的重量约为117 GB。但是，我没有得到任何内存错误。有趣的是，当我随机抽取100000名受试者（行）时，这个问题就消失了。我看到的数字非常现实（主要是NAs）。这表明问题不在于函数本身或数据，而在于观测值的大小

---

有人能提出为什么会发生这种情况，或者我如何解决这个问题吗？对我来说，这看起来像某种形式的溢出，当数据量太大时，R不知道该怎么做，只是把垃圾值放在那里。这一假设的问题在于，这些值虽然不合理，但并非完全随机。它们都少于10个左右。

请您展示一个小的可重复示例，并给出预期输出。thanks@akrun谢谢你看！问题是，对于我随机抽取的可重复的小样本，没有任何问题。这个函数工作得非常好。当观测数字开始变大（例如50万到100万）时，事情开始出错。这很奇怪。你能试试

库（data.table）吗；dcast（setDT（df）[，.N，.（受试者，疾病）]，受试者+疾病~N）

FYI，选择的组计数可以减少到

df%>%count（受试者，疾病）%>%

此外，您可以尝试使用

pivot\u wide

i.le<代码>透视图（名称从=疾病，值从=n）

subject    disease1  disease2  disease3 ...
1111111        2         3         1
1111112        21        4         2
1111115        2         1         15
1111117        1         3         1