在R中重新格式化表格 [英] Reformat table in R
本文介绍了在R中重新格式化表格的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一张表(ID相同的不同行的性别和年龄值相同,但类别和子类别值不同):
ID product.category sub.category gender age
1 1 food chicken M young
2 1 kitchen napkin M young
3 1 food steak M young
4 2 electronic phone F mid
5 3 cloth shirt M old
6 3 kitchen bowl M old
7 4 alch beer F young
通过将具有相同ID的不同行组合在一起,我希望将该表改造如下:
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
如何在R中执行此操作?
#新建数据集:文本变量实际上是备注的文本列
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
推荐答案
我们使用包reshape2
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")
我们首先按产品类别和子类别融合原始数据框。接下来,使用dplyr,我们按id列和product列(现在默认情况下称为"变量")进行分组,并创建一个名为variable2
的新列。这只是类别标题和观察的连续计数的粘贴。
现在我们有了一个新的列,我们可以通过它来展开数据。我们使用dcast
在新的Variable2列上"扩展"。还有一个名为fill
的参数,我们将其设置为等于"null"
告诉dcast用什么来填充缺失的值。
下面我们将根据所需的输出对列进行重新排序。这个诀窍即使是很小的,也值得注意。创建一个交织的序列是很有趣的。我们的输出将按字母顺序排序("p1"、"p2"、"p3"、"s1"、"s2"、"s3")。我们想要一个将它们编织在一起的序列。挑战是要得到类似(1,4,2,5,3,6)的结果。因此我们使用:
c(rbind(1:3, 4:6))
[1] 1 4 2 5 3 6
酷吧?我们利用了这样一个事实,即当我们按行输入值时,rind将逐列展开。在我们的例子中,写入1:3
无济于事,因为数据中可能有更多的产品。但是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并改用2。
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
更新
使用提供的新数据集,相同的代码结构适用于新的列名。
m2 <- melt(df, measure.vars=c("Category", "Subcategory")) %>% group_by(text, variable) %>%
mutate(variable2 = paste0(variable, seq_along(value)))
newdf <- dcast(m2[!names(m2) %in% "variable"], ... ~ variable2, value.var="value", fill="null")
n <- nrow(unique(m2[,"variable2"]))
newdf2 <- newdf[c(1:5, c(rbind(1:(n/2), (n/2+1):n))+5)]
newdf2
# text variable1 variable3 variable4 date Category1 Subcategory1 Category2
# 1 aaaaa v1 LEASE Y 2014-01 null null c2
# 2 aaaaa v1 RETAIL Y 2014-01 c1 s11 null
# 3 bbbbb v2 LEASE Y 2014-01 c1 s12 null
# 4 ccccc v1 LEASE Y 2014-01 c2 s21 null
# 5 ddddd v1 LEASE Y 2014-01 null null c3
# 6 ddddd v1 RETAIL Y 2014-01 c2 s21 null
# 7 eeeee v1 RETAIL Y 2014-01 c1 s11 null
# 8 fffff v2 RETAIL Y 2014-01 c2 s21 null
# Subcategory2 Category3 Subcategory3
# 1 s22 c3 s31
# 2 null null null
# 3 null null null
# 4 null null null
# 5 s31 null null
# 6 null null null
# 7 null null null
# 8 null null null
这篇关于在R中重新格式化表格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!
查看全文