0

我遇到了以下数据争论问题。每个数据集的aValue每个值都有多个值aName。这可以很容易地在一个整洁的数据框中表示。

someDatasets <- list(dataset1 = data.frame(aName = c("a", "a", "a", "b", "b"), aValue = 1:5, dataset = "ds1"),
                     dataset2 = data.frame(aName = c("a", "a", "a", "b", "c", "c"), aValue = (1:6)*10 , dataset = "ds2"),
                     dataset3 = data.frame(aName = c("a", "c", "c", "c"), aValue = (1:4)*100, dataset = "ds3"))

tidyData <- Reduce(dplyr::bind_rows, someDatasets)

我想将数据集变量“传播”到各个列中。tidyr::spread（由于重复的键，我无法用来创建所需的输出。）

###
# Desired output
###
# aName ds1 ds2 ds3
# a     1   10  100
# a     2   20  NA
# a     3   30  NA
# b     4   40  NA
# b     5   NA  NA
# c     NA  50  200
# c     NA  60  300
# c     NA  NA  400

有没有一种整洁的方法来生成所需的输出？

ps：我知道spread-key-value-pairs-when-keys-are-in-different-columns问题，但解决方案

dcast(melt(someDatasets, id = "aName", na.rm = TRUE), aName~value)

由于使用了聚合函数，因此不会产生所需的输出length。

4

1 回答 1

2

正如@lukeA 和@A Handcart 和 Mohair 的评论中所述，您可以为您的数据添加一个额外的 ID 以避免重复键问题。

library(dplyr)
library(tidyr)

tidyData = bind_rows(someDatasets) %>% 
   group_by(dataset, aName) %>% 
   mutate(id = paste0(aName, 1:n())) %>% 
   ungroup() %>% 
   select(-aName)

# head(tidyData)
# Source: local data frame [6 x 3]
# 
#   aValue dataset    id
#    <dbl>   <chr> <chr>
# 1      1     ds1    a1
# 2      2     ds1    a2
# 3      3     ds1    a3
# 4      4     ds1    b1
# 5      5     ds1    b2
# 6     10     ds2    a1

id现在在每个组（数据集）中都是唯一的，因此我们可以继续传播：

tidyData %>% 
   spread(dataset, aValue) %>% 
   mutate(id = substr(id, 1, 1))

# Source: local data frame [10 x 4]
# 
#      id   ds1   ds2   ds3
#   <chr> <dbl> <dbl> <dbl>
# 1     a     1    10   100
# 2     a     2    20    NA
# 3     a     3    30    NA
# 4     b     4    40    NA
# 5     b     5    NA    NA
# 6     c    NA    50   200
# 7     c    NA    60   300
# 8     c    NA    NA   400
于 2016-10-12T14:20:08.910 回答