在R中重新格式化表格
我有一个如下表(具有相同ID的不同行将具有相同的性别和年龄值,但不同的类别和子类别值): 通过组合具有相同ID的不同行,我希望如下所示对表进行改革:在R中重新格式化表格,r,reshape,R,Reshape,我有一个如下表(具有相同ID的不同行将具有相同的性别和年龄值,但不同的类别和子类别值): 通过组合具有相同ID的不同行,我希望如下所示对表进行改革: ID product.category1 sub.category1 product.category2 sub.category2 product.category3 sub.category3 gender age 1 1 food chicken kitchen
ID product.category1 sub.category1 product.category2 sub.category2 product.category3 sub.category3 gender age
1 1 food chicken kitchen napkin food steak M young
2 2 electronic phone null null null null F mid
3 3 cloth shirt kitchen bowl null null M old
4 4 alch beer null null null null F young
我在R怎么做
#
新数据集:文本变量实际上是注释的文本列
text Category Subcategory variable1 variable2 variable3 variable4 date
aaaaa c1 s11 v1 N RETAIL Y 2014-01
aaaaa c2 s22 v1 N LEASE Y 2014-01
aaaaa c3 s31 v1 N LEASE Y 2014-01
bbbbb c1 s12 v2 N LEASE Y 2014-01
ccccc c2 s21 v1 N LEASE Y 2014-01
ddddd c2 s21 v1 N RETAIL Y 2014-01
ddddd c3 s31 v1 N LEASE Y 2014-01
eeeee c1 s11 v1 N RETAIL Y 2014-01
fffff c2 s21 v2 U RETAIL Y 2014-01
谢谢我们使用了软件包
reforme2
中的melt
和dcast
的组合
library(dplyr)
library(reshape2)
m2 <- melt(df, c("ID", "gender", "age")) %>% group_by(ID, variable) %>%
mutate(variable2 = paste0(variable, seq_along(value)))
newdf <- dcast(m2[!names(m2) %in% "variable"], ...~variable2, value.var="value", fill="null")
酷吧?我们利用了这样一个事实,即rbind在按行输入值时将按列展开。在我们的例子中,写1:3
没有帮助,因为数据中可能有更多的产品。但我们知道有两个标题“产品类别”和“子类别”。我们将variable2
的唯一值除以2并使用它
n <- nrow(unique(m2[,"variable2"]))
newdf[c(1:3,(c(rbind(1:(n/2), (n/2+1):n))+3))]
# ID gender age product.category1 sub.category1 product.category2
# 1 1 M young food chicken kitchen
# 2 2 F mid electronic phone null
# 3 3 M old cloth shirt kitchen
# 4 4 F young alch beer null
# sub.category2 product.category3 sub.category3
# 1 napkin food steak
# 2 null null null
# 3 bowl null null
# 4 null null null
n%
突变(variable2=paste0(变量,沿(值)的顺序)
newdfdata.table dcast您可以使用整形2或data.table包中的dcast
:
library(data.table)
setDT(DT)
DT[, obsno := 1:.N, by=ID]
res <- dcast(DT, ID+gender+age~obsno, value.var=c("product.category","sub.category"))
要按所需顺序查看列,可以执行以下操作
res[, c(1:3,4,7,5,8,6,9), with=FALSE]
tidyr包也可能采用类似的方法(尽管它不会被称为“dcast”)
我建议对任何分析都坚持使用长格式(您最初使用的格式)。您正在寻找的这种宽格式对于除浏览数据之外的任何内容都非常麻烦
第二个例子是OP的第二个例子,我会
DT2[, obsno := 1:.N, by=text]
dcast(DT2, ...~obsno, value.var=c("Category", "Subcategory"))
从@Pierrelaffortune的答案中复制…~
技巧。结果是
text variable1 variable2 variable3 variable4 date Category_1 Category_2 Category_3 Subcategory_1 Subcategory_2 Subcategory_3
1: aaaaa v1 N LEASE Y 2014-01 NA c2 c3 NA s22 s31
2: aaaaa v1 N RETAIL Y 2014-01 c1 NA NA s11 NA NA
3: bbbbb v2 N LEASE Y 2014-01 c1 NA NA s12 NA NA
4: ccccc v1 N LEASE Y 2014-01 c2 NA NA s21 NA NA
5: ddddd v1 N LEASE Y 2014-01 NA c3 NA NA s31 NA
6: ddddd v1 N RETAIL Y 2014-01 c2 NA NA s21 NA NA
7: eeeee v1 N RETAIL Y 2014-01 c1 NA NA s11 NA NA
8: fffff v2 U RETAIL Y 2014-01 c2 NA NA s21 NA NA
使用dplyr
和tidyr
的替代方案:
newdf <- df %>% gather(variable, value, product.category, sub.category) %>%
group_by(ID, variable) %>%
mutate(variable2 = paste0(variable, seq_along(value))) %>%
ungroup() %>%
select(-variable) %>%
spread(variable2 , value)
在第二个示例数据集上也可以这样做:
newdat <- dat %>% gather(variable, value, Category, Subcategory) %>%
group_by(text, variable) %>%
mutate(var2 = paste0(variable, seq_along(value))) %>%
ungroup() %>%
select(-variable) %>%
spread(var2 , value)
多谢各位!非常详细,可以理解:)嗨,Pierre,我试过你的代码,它给我的错误是“错误:未知列‘变量’”,这是我的代码“m3%group_by(文本,变量)%%>%mutate(variable2=paste0(变量,seq_沿(值))”,谢谢你做了一些修改,现在上面的问题似乎没问题了。。。但我得到了一个错误“错误:无法分配大小为5.6GB的向量”,这很奇怪,因为它不应该这么大……我尝试了一些子集,它生成了输出。。。。但有些奇怪的是,对于一些记录,它甚至有100个类别,但是1-99个类别都是空白的,你知道为什么我得到了错误的结果吗?如果没有实际的数据,很难确定什么是错误的。你能发布有代表性的示例吗?嗨,弗兰克,当我尝试你的代码时,它给我的错误是:“Error:value.var(product.categorysub.category)在输入中找不到”或“Error in.subset2(x,I,exact=exact):下标超出范围”这是我的代码,请告诉我应该如何修改它:“setDT(output)output[,obsno:=1.N,by=text]res-Hm,我不确定它为什么会失败。你可以在数据的较小子集上尝试它,比如output2我只选择了10行作为output1并尝试了这个,但仍然不起作用……我将用新的细节更新我的问题……请看一下。谢谢Frank,我更新了新的表格式(我厌倦了编写代码,但不起作用的那个)在问题中…请看一看。Thanks@KarlTian我已经为您发布的新案例添加了代码。它似乎有效。@KarlTian看到更新的答案,现在它还包括第二个(新)案例的解决方案datasethanks Jaap:)将尝试我的Jaap,@Jaap,我尝试了你的,它是有效的……但我希望结果有所不同:对于第1行和第5行,类别1,2,3是否可能类似于row1:c2,c3,na
row1:c2,c3,na
,这意味着无论非空值类别的顺序如何,都将它们放在'N'之前A'?Thanks@KarlTian我不完全确定您的意思,但您可以使用例如arrange(Category1,Category2,Category3)
更改数据帧中观察值的顺序。这将首先通过Category1
对newdat进行排序,然后通过Category2
,最后通过Category3
。
DT2[, obsno := 1:.N, by=text]
dcast(DT2, ...~obsno, value.var=c("Category", "Subcategory"))
text variable1 variable2 variable3 variable4 date Category_1 Category_2 Category_3 Subcategory_1 Subcategory_2 Subcategory_3
1: aaaaa v1 N LEASE Y 2014-01 NA c2 c3 NA s22 s31
2: aaaaa v1 N RETAIL Y 2014-01 c1 NA NA s11 NA NA
3: bbbbb v2 N LEASE Y 2014-01 c1 NA NA s12 NA NA
4: ccccc v1 N LEASE Y 2014-01 c2 NA NA s21 NA NA
5: ddddd v1 N LEASE Y 2014-01 NA c3 NA NA s31 NA
6: ddddd v1 N RETAIL Y 2014-01 c2 NA NA s21 NA NA
7: eeeee v1 N RETAIL Y 2014-01 c1 NA NA s11 NA NA
8: fffff v2 U RETAIL Y 2014-01 c2 NA NA s21 NA NA
newdf <- df %>% gather(variable, value, product.category, sub.category) %>%
group_by(ID, variable) %>%
mutate(variable2 = paste0(variable, seq_along(value))) %>%
ungroup() %>%
select(-variable) %>%
spread(variable2 , value)
> newdf
Source: local data frame [4 x 9]
ID gender age product.category1 product.category2 product.category3 sub.category1 sub.category2 sub.category3
(int) (fctr) (fctr) (chr) (chr) (chr) (chr) (chr) (chr)
1 1 M young food kitchen food chicken napkin steak
2 2 F mid electronic NA NA phone NA NA
3 3 M old cloth kitchen NA shirt bowl NA
4 4 F young alch NA NA beer NA NA
newdat <- dat %>% gather(variable, value, Category, Subcategory) %>%
group_by(text, variable) %>%
mutate(var2 = paste0(variable, seq_along(value))) %>%
ungroup() %>%
select(-variable) %>%
spread(var2 , value)
> newdat
Source: local data frame [8 x 12]
text variable1 variable2 variable3 variable4 date Category1 Category2 Category3 Subcategory1 Subcategory2 Subcategory3
(fctr) (fctr) (fctr) (fctr) (fctr) (fctr) (chr) (chr) (chr) (chr) (chr) (chr)
1 aaaaa v1 N LEASE Y 2014-01 NA c2 c3 NA s22 s31
2 aaaaa v1 N RETAIL Y 2014-01 c1 NA NA s11 NA NA
3 bbbbb v2 N LEASE Y 2014-01 c1 NA NA s12 NA NA
4 ccccc v1 N LEASE Y 2014-01 c2 NA NA s21 NA NA
5 ddddd v1 N LEASE Y 2014-01 NA c3 NA NA s31 NA
6 ddddd v1 N RETAIL Y 2014-01 c2 NA NA s21 NA NA
7 eeeee v1 N RETAIL Y 2014-01 c1 NA NA s11 NA NA
8 fffff v2 U RETAIL Y 2014-01 c2 NA NA s21 NA NA