我确定这是微不足道的,但我找不到如何去做。
我有一个数据框,其中有个人,每个人都可以有几个属性,每个属性都以多种方式分类。目前它是长形的,看起来像一个记录(以示意图形式,实际上它有点复杂):
IndividualID Property PropClass
1 X A
1 Y B
2 X A
3 Y B
3 W C
3 Z A
我想要的是每个单独的 ID 一行,带有单独的 ID,然后是该个人在原始文件中拥有的每个属性和 PropClass 的成对列,因此在这种情况下:
IndividualID Prop1 PropClass1 Prop2 PropClass2 Prop3 PropClass3
1 X A Y B NA NA
2 X A NA NA NA NA
3 Y B W C Z A
所以必须有与原始数据集中任何个体 ID 的最大行数一样多的 Prop 和 PropClass 变量(并不大,大约 5),并且个体在原始数据集中的行数少于最大行数,对那个人没有任何意义的额外列在其中包含 NA。个人的 Prop 和 PropClass 变量的顺序无关紧要(尽管它也可能是长格式文件的原始顺序)。
显然,如果您有一对 Prop 和 propClass 列用于 Prop 的每个可能值,则很容易做到这一点(例如使用 reshape),但是 Prop 有数百个可能的值,因此文件变得庞大且无用。我不敢相信没有一种简单的方法可以做我想做的事,但尽管在我看来是孜孜不倦的搜索,但我还没有找到它。请告诉我我是个白痴,如果是的话,我该如何治疗我的白痴。
最佳答案
可能有一种更有效的方法来做到这一点,但我现在想不出。对于需要转换为宽格式的两个变量,我认为您可能需要将它们分别转换,然后将两者合并在一起。我很想被证明是错误的。为此,我创建了两个新变量,它们为每个新 ID 生成一个列序列。这将允许它们轻松地填充 NA。使用新列,很容易将它们转换为正确的格式并将它们合并在一起。
library(plyr)
library(reshape2)
#Assumes your data is read into a variable named x
x <- ddply(x, "IndividualID", transform,
castPropClass = paste0("PropClass", seq(length(PropClass))),
castProp = paste0("Prop", seq(length(Property))))
#Use these two new variables to cast into wide format. Wrap in merge to join together:
merge(dcast(IndividualID ~ castPropClass, value.var = "PropClass", data = x),
dcast(IndividualID ~ castProp, value.var = "Property", data = x))
#Gives you this:
IndividualID PropClass1 PropClass2 PropClass3 Prop1 Prop2 Prop3
1 1 A B <NA> X Y <NA>
2 2 A <NA> <NA> X <NA> <NA>
3 3 B C A Y W Z
这显然没有正确的列“顺序”,但数据本身是正确的。
关于r 用未知的列数将数据从长到宽重新整形,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11301778/