2

我有一个这样的数据框

Tag   Date (DD/MM/YYYY)
AA    1/1/2010
AB    2/1/2010
AC    3/1/2010
AA    4/1/2010
AB    5/1/2010
AA    6/1/2010
AB    7/1/2010
AC    8/1/2010

现在，有有限数量的不同标签（平均少于 10 个）。我需要的是以更舒适的方式处理数据。我已经分析了标签序列数据以找出更频繁重复的模式，在本例中为 (AA,AB,AC)。

现在，我想要把数据变成这样的东西，这样我就可以用它来操作了。

AA        AB        AC
1/1/2010  2/1/2010  3/1/2010
4/1/2010  5/1/2010  NA
6/1/2010  7/1/2010  8/1/2010

我见过这个问题，Turning field values into column names in an R data frame，它非常接近我的需要。这样做

>libray(reshape2)
>df<-sqldf("SELECT Tag, Date FROM validData")
>head(dcast(df,Date~Tag))

产量

Using Date as value column: use value_var to override.
Aggregation function missing: defaulting to length

                Date  AF687A AVISOO B32D76 B3DC39 B52C72 DF7EAD DF8E83 DFA521 DFA91A
1 2010-12-23 09:18:50      0      0      0      0      1      0      0      0      0
2 2010-12-23 09:18:52      1      0      0      0      0      0      0      0      0
3 2010-12-23 09:18:54      0      0      0      0      1      0      0      0      0
4 2010-12-23 09:18:57      1      0      0      0      0      0      0      0      0
5 2010-12-23 09:18:58      0      0      0      0      1      0      0      0      0
6 2010-12-23 09:19:00      0      0      0      1      0      0      0      0      0

我想我已经接近了，但我无法弄清楚最后一步，就像我上面描述的压缩表格一样。有什么线索吗？

4

4 回答 4

6

Date我会根据列中的模式计算您要放入的行和列Tag，然后填充一个新矩阵。

首先为每一行设置你想要匹配的模式；我将使用unique. 如果第一组缺少一个值（最后一个值除外），这将无法正常工作。

pat <- unique(df$Tag)

然后通过将标签与模式匹配来计算列，并通过注意新模式何时开始来计算行。

col <- match(df$Tag, pat)
row <- cumsum(c(0,diff(col))<=0)

然后创建矩阵并填充它！

out <- matrix(nrow=max(row), ncol=max(col))
colnames(out) <- pat
out[cbind(row, col)] <- df$Date

结果是

> out
     AA         AB         AC        
[1,] "1/1/2010" "2/1/2010" "3/1/2010"
[2,] "4/1/2010" "5/1/2010" NA        
[3,] "6/1/2010" "7/1/2010" "8/1/2010"
于 2011-06-08T17:28:03.503 回答
1

尽管您在问题中描述了一张表格，但在我看来，您确实想列一张清单。您可以使用 split 函数执行此操作：

split(df, df$Tag)

$AA
  Tag     Date
1  AA 1/1/2010
4  AA 4/1/2010
6  AA 6/1/2010

$AB
  Tag     Date
2  AB 2/1/2010
5  AB 5/1/2010
7  AB 7/1/2010

$AC
  Tag     Date
3  AC 3/1/2010
8  AC 8/1/2010

要摆脱每个列表中的 Tag 列，您可以使用lapplyandsplit组合：

lapply(split(df, df$Tag), function(x)x$Date[drop=TRUE])

$AA
[1] 1/1/2010 4/1/2010 6/1/2010
Levels: 1/1/2010 4/1/2010 6/1/2010

$AB
[1] 2/1/2010 5/1/2010 7/1/2010
Levels: 2/1/2010 5/1/2010 7/1/2010

$AC
[1] 3/1/2010 8/1/2010
Levels: 3/1/2010 8/1/2010
于 2011-06-08T16:01:33.390 回答
1

我的答案使用了很多讨厌的编码（即两个嵌套循环）来获得所需的解决方案，但它确实为您提供了您想要的：

df <- structure(list(Tag = c("AA", "AB", "AC", "AA", "AB", "AA", "AB", 
"AC"), Date = c("1/1/2010", "2/1/2010", "3/1/2010", "4/1/2010", 
"5/1/2010", "6/1/2010", "7/1/2010", "8/1/2010")), .Names = c("Tag", 
"Date"), class = "data.frame", row.names = c(NA, -8L))

l <- nrow(df)
counter <- 1
cols <- c("AA", "AB", "AC")

fin <- data.frame(AA = NULL, AB = NULL, AC = NULL)
tmp <- data.frame(AA = NA, AB = NA, AC = NA)

while(counter < l) {
    tmp <- data.frame(AA = NA, AB = NA, AC = NA)
    for (col in 1:3) {
        if (df[counter,1] == cols[col]) {
            tmp[1,col] <- df[counter,2]
            counter <- counter + 1
        }
    }
    fin <- rbind(fin, tmp)
}

fin

给你：

        AA       AB       AC
1 1/1/2010 2/1/2010 3/1/2010
2 4/1/2010 5/1/2010     <NA>
3 6/1/2010 7/1/2010 8/1/2010

请注意，您可以使用cols <- unique(sort(df[,1]))更通用的解决方案（并且需要相应地更改for (col in 1:3)and 的创建）。fintmp

此外，这个解决方案根本不是内存效率或任何东西。如果您预先分配等等（在更大的 data.frames 上），您将获得巨大的改进，但是对于一种快速而肮脏的方式，它可以工作。

于 2011-06-08T16:20:00.977 回答
1

@Andrie 非常接近解决方案

# here assumed length 3
# but you can calculate it as max
do.call(cbind,lapply(split(mdf$Date,mdf$Tag),"[",seq(3)))


     AA         AB         AC        
[1,] "1/1/2010" "2/1/2010" "3/1/2010"
[2,] "4/1/2010" "5/1/2010" "8/1/2010"
[3,] "6/1/2010" "7/1/2010" NA

编辑（第一个解决方案没有考虑到模式

mdf$grp <- cumsum(1*c(TRUE,diff(as.numeric(factor(mdf$Tag)))<=0))
reshape(mdf,direction="wide",idvar="grp",timevar="Tag")

  grp  Date.AA  Date.AB  Date.AC
1   1 1/1/2010 2/1/2010 3/1/2010
4   2 4/1/2010 5/1/2010     <NA>
6   3 6/1/2010 7/1/2010 8/1/2010
于 2011-06-08T17:41:46.260 回答