编辑:更多数据以 dput() 格式添加。
我有以下产品数据框，列 的模式为promo, marca, descripción, cantidad, precio。有时促销会丢失。
我需要更宽形式的数据框(如使用 pivot_wider)，但在找不到列的地方，插入一个 NA 值。
# A tibble: 18 x 2
text column
<chr> <chr>
1 2 X$39.990Ahorro:$14.990 promo
2 Pampers marca
3 Pañales Desechables Premium Care XXG 112 Unidades descripción
4 112 Un cantidad
5 $27.490 precio
6 2 X$39.990Ahorro:$14.990 promo
7 Pampers marca
8 Pañales Desechables Premium Care XG 112 Unidades descripción
9 112 Un cantidad
10 $27.490 precio
11 Babysec marca
12 Toalla Húmeda Premium X 140/6 descripción
13 1 Un cantidad
14 $2.590 precio
15 Emuwipes marca
16 Toallitas Húmedas Premium 85 Un c/u Bolsa descripción
17 2 Un cantidad
18 $2.650 precio
这是 df %>% mutate(id = row_number()) %>% pivot_wider(...) 的输出。有没有办法缩小这个输出？
# A tibble: 18 x 6
id promo marca descripción cantidad precio
<int> <chr> <chr> <chr> <chr> <chr>
1 1 2 X$39.990Ahorro:$~ NA NA NA NA
2 2 NA Pampers NA NA NA
3 3 NA NA Pañales Desechables Premium Care XXG ~ NA NA
4 4 NA NA NA 112 Un NA
5 5 NA NA NA NA $27.4~
6 6 2 X$39.990Ahorro:$~ NA NA NA NA
7 7 NA Pampers NA NA NA
8 8 NA NA Pañales Desechables Premium Care XG 1~ NA NA
9 9 NA NA NA 112 Un NA
10 10 NA NA NA NA $27.4~
11 11 NA Babysec NA NA NA
12 12 NA NA Toalla Húmeda Premium X 140/6 NA NA
13 13 NA NA NA 1 Un NA
14 14 NA NA NA NA $2.590
15 15 NA Emuwipes NA NA NA
16 16 NA NA Toallitas Húmedas Premium 85 Un c/u B~ NA NA
17 17 NA NA NA 2 Un NA
18 18 NA NA NA NA $2.650
数据:
text = c("2 X$39.990Ahorro:$14.990", "Pampers",
"Pañales Desechables Premium Care XXG 112 Unidades", "112 Un",
"$27.490", "2 X$39.990Ahorro:$14.990", "Pampers", "Pañales Desechables Premium Care XG 112 Unidades",
"112 Un", "$27.490", "Babysec", "Toalla Húmeda Premium X 140/6",
"1 Un", "$2.590", "Emuwipes", "Toallitas Húmedas Premium 85 Un c/u Bolsa",
"2 Un", "$2.650", "Parent's Choice", "Toallitas Húmedas Ultra Soft con Aceite de Emu 160 Un",
"160 Un", "$2.550", "Emuwipes", "Toallitas Húmedas sin Alcohol (2 Bolsas de 80 Un c/u) Bolsa 2 Un",
"$1.990", "3 X$45.990Ahorro:$13.980", "Babysec", "Pañal Super Premium XXG68",
"1 Un", "$19.990", "Parent's Choice", "Toallitas Húmedas Ultra Soft con Aceite de Emu y sin Aroma (2 Un de 80 Un c/u)",
"160 Un", "$2.550", "2 X$39.990Ahorro:$14.990", "Pampers", "Pañales Desechables Premium Care G 124 Unidades",
"124 Un", "$27.490", "Huggies")
column = c("promo", "marca",
"descripción", "cantidad", "precio", "promo", "marca", "descripción",
"cantidad", "precio", "marca", "descripción", "cantidad", "precio",
"marca", "descripción", "cantidad", "precio", "marca", "descripción",
"cantidad", "precio", "marca", "descripción", "precio", "promo",
"marca", "descripción", "cantidad", "precio", "marca", "descripción",
"cantidad", "precio", "promo", "marca", "descripción", "cantidad",
"precio", "marca")
最佳答案
使用 data.table 中的 dcast。将 'data.frame' 转换为 'data.table' (setDT)，创建一个具有累加和的公式(基于取 'column' 的 lag(shift)，检查值是否等于'precio'，获取累加和(cumsum))与'column'，并指定value.var 作为 dcast 中的“文本”以从“长”格式 reshape 为“宽”格式
library(data.table)
dcast(setDT(df), cumsum(shift(column, fill = "") == "precio" )~ column, value.var = 'text')
关于r - 扩大数据框并插入缺失的列，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/68883838/