如何转换data.table的多个列和值？ [英] How to cast multiple columns and values of a data.table?

问题描述

我的数据结构如下：

  DT < -  data.table（Id = c（1,1， 1，10，100，100，101，101，101），
 Date = as.Date（c（1997-01-01，1997-01-02，1997-01- 03，1997-01-04，
1997-01-02，1997-01-02，1997-01-04，1997-01-03，
1997-01-04，1997-01-04）），
 group = c（1,1,1,1,1,2,2,2,2,2），
 Price.1 = c（29，25，14，26，30，16，13，62，12，6），
 Price.2 = c（4,5,6,6,8,2 ，3，5，7，8））
 
> DT 
 Id日期组价格1价格2 
 1：1 1997-01-01 1 29 4 
 2：1 1997-01-02 1 25 5 
 3：1 1997-01-03 1 14 6 
 4：1 1997-01-04 1 26 6 
 5： 10 1997-01-02 1 30 8 
 6：100 1997-01-02 2 16 2 
 7：100 1997-01-04 2 13 3 
 8：101 1997-01- 03 2 62 5 
 9：101 1997-01-04 2 12 7 
 10：101 1997-01-04 2 6 8 
  

我试图投射它（使用dcast.data.table）：

  dcast.data.table（DT，Id〜Date，fun = sum，value.var =Price.1）
 dcast.data.table（DT，Id〜group，fun = sum，value。 var =Price.1）
 dcast.data.table（DT，Id〜Date，fun = sum，value.var =Price.2）
 dcast.data.table Id〜group，fun = sum，value.var =Price.2）
  

4个单独的输出我试图得到以下：

  Id 1997-01-01 1997-01-02 1997-01- 03 1997-01-04 1 2价格
 1：1 29 25 14 26 94 0价格1 
 2：10 0 30 0 0 30 0价格1 
 3：100 0 16 0 13 0 29价格1 
 4：101 0 0 62 18 0 80价格1 
 5：1 4 5 6 6 21 0价格2 
 6：10 0 8 0 0 8 0价格2 
 7：100 0 2 0 3 0 5价格2 
 8：101 0 0 5 15 0 20价格2 
  pre> 
 
 
我的工作环境使用rbind，cbind和合并。
  cbind（rbind（merge（dcast.data.table（DT，Id〜Date，fun = sum，value.var =Price.1），
 dcast.data.table（DT，Id〜 group，fun = sum，value.var =Price.1）by byId，all.x = T），
 merge（dcast.data.table（DT，Id〜Date，fun = sum，value.var =Price.2），
 dcast.data.table（DT，Id_group，fun = sum，value.var =Price.2），by =Id all.x = T）），
 Price = c（Price.1，Price.1，Price.1，Price.1，Price.2，Price.2 ，Price.2，Price.2））
  
  
我假设每个 Id  映射到一个独特的组，并摆脱该变量，但在其他方面本质上与@ user227710的答案相同。
  Idg < -  unique（DT [，。（Id，group）]）
 DT [，group：= NULL] 
 
 res ; -dcast（
 melt（DT，id.vars = c（Id，Date）），
 variable + Id〜Date，
 value.var = 
 fill = 0，
 marginins =Date，
 fun.aggregate = sum 
）
 
＃如果你想让群组回来... 。
 setDT（res）＃在data.table 1.9.5之前需要，其中使用dcast.data.table是另一个选项
 setkey（res，Id）
 res [Idg] [order变量，Id）] 
  
它提供
 变量Id 1997-01-01 1997-01-02 1997-01-03 1997-01-04（all）group 
 1：Price.1 1 29 25 14 26 94 1 
 2：Price.2 1 4 5 6 6 21 1 
 3：Price.1 10 0 30 0 0 30 1 
 4：Price.2 10 0 8 0 0 8 1 
 5：Price.1 100 0 16 0 13 29 2 
 6：Price.2 100 0 2 0 3 5 2 
 7：Price.1 101 0 0 62 18 80 2 
 8：Price.2 101 0 0 5 15 20 2 
  
 
my data is structured as follows:
DT <- data.table(Id = c(1, 1, 1, 1, 10, 100, 100, 101, 101, 101), 
                 Date = as.Date(c("1997-01-01", "1997-01-02", "1997-01-03", "1997-01-04", 
                                  "1997-01-02", "1997-01-02", "1997-01-04", "1997-01-03", 
                                  "1997-01-04", "1997-01-04")),
                 group = c(1,1,1,1,1,2,2,2,2,2),
                 Price.1 = c(29, 25, 14, 26, 30, 16, 13, 62, 12,  6), 
                 Price.2 = c(4, 5, 6, 6, 8, 2, 3, 5, 7, 8))

>DT
     Id       Date group Price.1 Price.2
 1:   1 1997-01-01     1      29       4
 2:   1 1997-01-02     1      25       5
 3:   1 1997-01-03     1      14       6
 4:   1 1997-01-04     1      26       6
 5:  10 1997-01-02     1      30       8
 6: 100 1997-01-02     2      16       2
 7: 100 1997-01-04     2      13       3
 8: 101 1997-01-03     2      62       5
 9: 101 1997-01-04     2      12       7
10: 101 1997-01-04     2       6       8
I am trying to cast it (using dcast.data.table):
dcast.data.table(DT, Id ~ Date, fun = sum, value.var = "Price.1") 
dcast.data.table(DT, Id ~ group, fun = sum, value.var = "Price.1")
dcast.data.table(DT, Id ~ Date, fun = sum, value.var = "Price.2")
dcast.data.table(DT, Id ~ group, fun = sum, value.var = "Price.2")
but rather than 4 separate outputs I am trying to get the following:
    Id 1997-01-01 1997-01-02 1997-01-03 1997-01-04  1  2   Price
1:   1         29         25         14         26 94  0 Price.1
2:  10          0         30          0          0 30  0 Price.1
3: 100          0         16          0         13  0 29 Price.1
4: 101          0          0         62         18  0 80 Price.1
5:   1          4          5          6          6 21  0 Price.2
6:  10          0          8          0          0  8  0 Price.2
7: 100          0          2          0          3  0  5 Price.2
8: 101          0          0          5         15  0 20 Price.2
and my work-around uses rbind, cbind, and merge.
cbind(rbind(merge(dcast.data.table(DT, Id ~ Date, fun = sum, value.var = "Price.1"), 
            dcast.data.table(DT, Id ~ group, fun = sum, value.var = "Price.1"), by = "Id", all.x  = T),
      merge(dcast.data.table(DT, Id ~ Date, fun = sum, value.var = "Price.2"),
            dcast.data.table(DT, Id ~ group, fun = sum, value.var = "Price.2"), by = "Id", all.x  = T)),
      Price = c("Price.1","Price.1","Price.1","Price.1","Price.2","Price.2","Price.2","Price.2"))
Is there an existing and cleaner way to do this?
解决方案
I make the assumption that each Id maps to a unique group and get rid of that variable, but otherwise this is essentially the same as @user227710's answer.
Idg <- unique(DT[,.(Id,group)])
DT[,group:=NULL]

res <- dcast(
  melt(DT, id.vars = c("Id","Date")),
  variable+Id ~ Date,
  value.var = "value",
  fill = 0,
  margins = "Date",
  fun.aggregate = sum
)

# and if you want the group back...
setDT(res) # needed before data.table 1.9.5, where using dcast.data.table is another option
setkey(res,Id)
res[Idg][order(variable,Id)]
which gives
   variable  Id 1997-01-01 1997-01-02 1997-01-03 1997-01-04 (all) group
1:  Price.1   1         29         25         14         26    94     1
2:  Price.2   1          4          5          6          6    21     1
3:  Price.1  10          0         30          0          0    30     1
4:  Price.2  10          0          8          0          0     8     1
5:  Price.1 100          0         16          0         13    29     2
6:  Price.2 100          0          2          0          3     5     2
7:  Price.1 101          0          0         62         18    80     2
8:  Price.2 101          0          0          5         15    20     2


                        
这篇关于如何转换data.table的多个列和值？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！