我在数据帧上使用 reshape2 函数 dcast。其中一个变量是某些级别未出现在数据框中的因素,但我会在创建的新列中包含所有值。
例如说我运行以下
library(reshape2)
dataDF <- data.frame(
id = 1:6,
id2 = c(1,2,3,1,2,3),
x = c(rep('t1', 3), rep('t2', 3)),
y = factor(c('A', 'B', 'A', 'B', 'B', 'C'), levels = c('A', 'B', 'C', 'D')),
value = rep(1)
)
dcast(dataDF, id + id2 ~ x + y, fill = 0)
我得到以下
id id2 t1_A t1_B t2_B t2_C
1 1 1 1 0 0 0
2 2 2 0 1 0 0
3 3 3 1 0 0 0
4 4 1 0 0 1 0
5 5 2 0 0 1 0
6 6 3 0 0 0 1
但我也想包括列 t1_C, t1_D, t2_A 和 t2_D 全是 0
即我想要以下内容
id id2 t1_A t1_B t1_C t1_D t2_A t2_B t2_C t2_D
1 1 1 1 0 0 0 0 0 0 0
2 2 2 0 1 0 0 0 0 0 0
3 3 3 1 0 0 0 0 0 0 0
4 4 1 0 0 0 0 0 1 0 0
5 5 2 0 0 0 0 0 1 0 0
6 6 3 0 0 0 0 0 0 1 0
此外,作为辅助,是否可以在初始数据框中没有列“值”全是 1 的情况下创建上述内容。基本上只是想将 x & y 在他们自己的列中转换为 1,如果它们存在于该 id 中。
提前致谢
编辑:
最初在 LHS 上有一个变量,Jeremy 在下面回答,但实际上在 LHS 上有不止一个变量,因此编辑了问题以反射(reflect)这一点
最佳答案
尝试添加 drop = FALSE
到您的 dcast 调用,以便不会丢弃未使用的因子级别:
dcast(dataDF, id ~ x + y, fill = 0, drop = FALSE)
id t1_A t1_B t1_C t1_D t2_A t2_B t2_C t2_D
1 1 1 0 0 0 0 0 0 0
2 2 0 1 0 0 0 0 0 0
3 3 1 0 0 0 0 0 0 0
4 4 0 0 0 0 0 1 0 0
5 5 0 0 0 0 0 1 0 0
6 6 0 0 0 0 0 0 1 0
顺便说一句,是的,我们只需要告诉
dcast
你想用什么函数来aggregate
,在这种情况下,您需要 length
:data2 <- dataDF[,1:3]
dcast(data2, id ~ x + y, fill = 0, drop = FALSE, fun.aggregate = length)
对于您的编辑,我会使用
tidyr
和 dplyr
而不是 reshape2
:library(tidyr)
library(dplyr)
dataDF %>% left_join(expand.grid(x = levels(dataDF$x), y = levels(dataDF$y)), .) %>%
unite(z, x, y) %>%
spread(z, value, fill = 0) %>%
na.omit
首先,我们使用
expand.grid
完成 x 和 y 的所有组合并合并,然后我们 unite
将它们合并为一列 z,然后我们 spread
它们出来,然后从 id 列中删除 NA: id id2 t1_A t1_B t1_C t1_D t2_A t2_B t2_C t2_D
1 1 1 1 0 0 0 0 0 0 0
2 2 2 0 1 0 0 0 0 0 0
3 3 3 1 0 0 0 0 0 0 0
4 4 1 0 0 0 0 0 1 0 0
5 5 2 0 0 0 0 0 1 0 0
6 6 3 0 0 0 0 0 0 1 0
关于R:使用 dcast 时包括没有条目的因素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33040961/