问题标签 [data-manipulation]

我有一个看起来像这样的文件：

我正在使用的数据集可以在https://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/twitter_exploratory_analysis/twitter_events_mini.csv上访问。

我想为“repository_name”列中的每个条目创建一个表（例如bootstrap、hogan.js）。在该列中，我需要具有与该条目相对应的“类型”列中的数据（即，只有当前“类型”列中的行在当前“repository_name”列中也具有值“bootstrap”应属于新的“引导”列）。因此：

• 时间戳仅用于排序，不需要跨行同步（实际上它们可以删除，因为数据已经根据时间戳排序）
• 即使“IssuesEvent”重复 10 次，我也需要保留所有这些，因为我将使用 R 包 TraMineR 进行序列分析
• 列可以不等长
• 不同存储库的列之间没有关系（“repository_name”）

换句话说，我想要一个看起来像这样的表：

我怎样才能在 R 中做到这一点？

我使用 reshape 包的一些失败尝试可以在https://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/twitter_exploratory_analysis/reshaping_bigqueries.R上找到。

我有一个包含对象和数组的嵌套数据结构。如何提取信息，即访问特定或多个值（或键）？

例如：

我怎样才能访问name中的第二项items？

我正在寻找“扁平化”我的数据集以促进数据挖掘。每个分类列应更改为多个布尔列。我有一列包含分类值，例如：

我正在寻找一种方法来透视这个表，并有一个聚合函数告诉我这个 ID 的值是 A 还是 B：

结果：

我尝试使用 PIVOT，但不知道在其中使用哪个聚合函数。

还在SF中寻找答案，但找不到任何答案...

我正在使用 MS-SQL 2012。

任何帮助，将不胜感激！暗里

编辑：

col1 中的类别数量未知，因此解决方案必须是动态的。谢谢 ：）

这是使用 R 透视 CSV 文件的后续问题。

在那个问题中，我想根据列（repository_name）中的值将单个列（类型）分成几列。使用了以下输入数据。

完整的 CSV 文件可在https://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/twitter_exploratory_analysis/all_events.csv上找到。

这是 CSV 前 30 行的 dput()：

提出此代码的@flodel 很好地回答了这个问题。

但是，现在我想对列表进行排序，以便每个 repo（repository_name）的事件（类型）每月按一列排序（从“created_at”列中提取），如下所示：

其他一些假设是：

• 时间戳仅用于排序，不需要跨行同步
• 即使“IssuesEvent”重复 10 次，我也需要保留所有这些，因为我将使用 R 包 TraMineR 进行序列分析
• 列可以不等长
• 不同存储库的列之间没有关系（“repository_name”）
• 同一存储库不同月份的数据完全独立

我怎样才能在 R 中做到这一点？

我有一个简单的 CSV 文件：

如何在列名中添加特定的整数或字符串，比如 1 或“June”？我期望的输出是：

我有一些 JavaScript 执行来自服务器的 ajax 请求，该请求将返回 JSON 数据。尽管此数据是 JSON，但它不正确，因为脚本要求数据基于数组且不包含对象。

一位同事建议使用客户端解决方案，通过重新创建 JSON 数据，将基于对象的 JSON 转换为基于数组的 JSON。

我觉得它应该更像是服务器端，因为我觉得您永远不应该依赖客户端浏览器来进行此类过滤？做这样的数据结构操作不是服务器的工作吗？

（我的意思是服务器端 - 在从 AJAX 请求接收数据之前，在客户端做同样的事情，但在 PHP 中）

这样做的最佳做法是什么，如果可能的话，解释每一方的利弊？

感谢您的时间。

我有一个大矩阵，我想居中：

使用 colMeans 可以快速有效地找到均值：

但是从每列中减去各自的平均值有什么好的（快速且内存效率高）的方法？这有效，但感觉不对：

有没有更好的办法？

/edit：这是 DWin 在更大矩阵上编写的各种基准测试的修改，包括其他发布的建议：

matmult 函数似乎是新的赢家！我真的很想在 5e+08 元素矩阵上尝试这些，但我一直用完 RAM。

我有一个包含嵌套列表的列表对象，每个列表都包含一个数据框。下面的代码模拟了我的数据结构：

我正在寻找行绑定我的所有数据框以创建一个主数据框。目前我使用一个for循环来完成这个动作：

实际上，我的主列表非常大 - 长度为 3700，而不是 5 - 所以我的for循环非常慢。

有没有更快的方法来完成相同的任务？

我之前也遇到过这个问题，但是我没有写下解决方法，所以现在又遇到麻烦了！

我有一个如下的数据框：

换句话说，日期/产品的每个组合都有一行，每个组合的数量和收入信息。

我想重新排列此数据框，使其如下所示：

换句话说，我希望每个日期都有一行，产品/信息（数量，收入）的每个组合都有一列。

我怎样才能做到这一点？提前致谢！

我有一个看起来像这样的数据框：

现在我想按月/年重新排列它（仍然按时间排序，并且仍然保持行的完整性）。这应该为每个月创建 3 列，然后将与该月相关的所有数据（created_at、actor_attributes_email 和类型）放在这 3 列中，以便我得到以下标题（对于数据中存在的所有月份）：

我怎样才能在 R 中做到这一点？

包含整个数据集的 CSV 文件可以在这里找到： https ://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/rubinius_rubinius_sequencing/rubinius_6months.csv

这是dput()CSV 的第一行：

其他一些假设是：

• 即使“PushEvent”（例如）重复 10 次，我也需要保留所有这些，因为我将使用 R 包 TraMineR 进行序列分析
• 列可以不等长
• 不同月份的列之间没有关系
• 某月内的数据应以最早的时间优先排序
• 例如，2011 年 6 月和 2012 年 6 月的数据需要在不同的列中