使用dplyr/tidyr在R数据帧中将行转换为列

我有这样一个数据框：

year <-c(floor(runif(100,min=2015, max=2017)))
month <- c(floor(runif(100, min=1, max=13)))
inch <- c(floor(runif(100, min=0, max=10)))
mm <- c(floor(runif(100, min=0, max=100)))
df = data.frame(year, month, inch, mm);

year month inch mm
2016    11    0 10
2015     9    3 34
2016     6    3 33
2015     8    0 77

因此，需要发生两件事。 （1） 该月需要成为该月前三个字母的字符串。 （2） 我需要按年份分组，然后将

mm

值放在该年份下的一列中

到目前为止，我有这个代码，但我无法理解：

df %>% 
  select(-inch) %>% 
  group_by(month) %>% 
  summarize(mm = mm) %>% 
  ungroup()

---

要将月份转换为名称，您可以参考

month.abb

；然后，您可以按年份和月份进行汇总，

扩展为宽幅格式：

library(dplyr)
library(tidyr)
df %>% 
   group_by(year, month = month.abb[month]) %>% 
   summarise(mm = mean(mm)) %>%    # use mean as an example, could also be sum or other 
                                   # intended aggregation methods
   spread(year, mm) %>% 
   arrange(match(month, month.abb))  # rearrange month in chronological order

# A tibble: 12 x 3
#   month   `2015`   `2016`
#   <chr>    <dbl>    <dbl>
# 1   Jan 65.50000 28.14286
# 2   Feb 54.40000 30.00000
# 3   Mar 23.50000 95.00000
# 4   Apr  7.00000 43.60000
# 5   May 45.33333 44.50000
# 6   Jun 70.33333 63.16667
# 7   Jul 72.83333 52.00000
# 8   Aug 53.66667 66.50000
# 9   Sep 51.00000 64.40000
#10   Oct 74.00000 39.66667
#11   Nov 66.20000 58.71429
#12   Dec 38.25000 51.50000

库（dplyr）
图书馆（tidyr）
df%>%
分组依据（年、月=月。abb[月]）%>%
总结（mm=平均值（mm））%>%#以平均值为例，也可以是总和或其他
#预期聚合方法
价差（年，毫米）%>%
安排（匹配（month，month.abb）#按时间顺序重新安排月份
#一个tibble:12x3
#2015年至2016年`
#           
#1986年1月1日65.50000 28.14286
#2月2日54.40000 30.00000
#3月3日23.50000 95.00000
#4月7日0000043.60000
#5月5日45.33333 44.50000
#六月六日70.33333 63.16667
#7月7日72.83333 52.00000
#8月8日53.66667 66.50000
#9月9日51.0000064.40000
#10月10日74.00000 39.66667
#11月11日66.20000 58.71429
#12月38日2500051.50000
太棒了！那么如何将输出保存为csv？使用
write.csv
。链
%%>%write.csv（'test.csv'）
在上述转换后应该可以工作。在基本R中，它是
xtabs（mm~月+年，数据=df）
library(dplyr)
library(tidyr)
df %>% 
   group_by(year, month = month.abb[month]) %>% 
   summarise(mm = mean(mm)) %>%    # use mean as an example, could also be sum or other 
                                   # intended aggregation methods
   spread(year, mm) %>% 
   arrange(match(month, month.abb))  # rearrange month in chronological order

# A tibble: 12 x 3
#   month   `2015`   `2016`
#   <chr>    <dbl>    <dbl>
# 1   Jan 65.50000 28.14286
# 2   Feb 54.40000 30.00000
# 3   Mar 23.50000 95.00000
# 4   Apr  7.00000 43.60000
# 5   May 45.33333 44.50000
# 6   Jun 70.33333 63.16667
# 7   Jul 72.83333 52.00000
# 8   Aug 53.66667 66.50000
# 9   Sep 51.00000 64.40000
#10   Oct 74.00000 39.66667
#11   Nov 66.20000 58.71429
#12   Dec 38.25000 51.50000