如何传播具有重复标识符的列？

Posted 2023-03-17

【中文标题】如何传播具有重复标识符的列？

【英文标题】：How to spread columns with duplicate identifiers?

【发布时间】：2018-02-04 12:28:59

【问题描述】：

A 有以下小标题：

structure(list(age = c("21", "17", "32", "29", "15"), 
               gender = structure(c(2L, 1L, 1L, 2L, 2L), .Label = c("Female", "Male"), class = "factor")), 
          row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), .Names = c("age", "gender"))

    age gender
  <chr> <fctr>
1    21   Male
2    17 Female
3    32 Female
4    29   Male
5    15   Male

我正在尝试使用tidyr::spread 来实现这一点：

  Female Male
1    NA     21
2    17     NA
3    32     NA
4    NA     29
5    NA     15

我认为spread(gender, age) 会起作用，但我收到一条错误消息：

Error: Duplicate identifiers for rows (2, 3), (1, 4, 5)

【问题讨论】：

为什么要整理数据？

只用性别传播行不通？

@F.Privé 刚刚练习，我只是想了解它为什么不起作用

添加一个唯一索引，例如df %>% mutate(i = row_number()) %>% spread(gender, age)。在这种情况下它不是很有用，但有时在更复杂的环境中。

@alistaire 谢谢，您能简要解释一下为什么我的解决方案不明确吗？我不明白为什么 tidyr 需要这些行号来传播。

【参考方案1】：

现在，Female 有两个 age 值，Male 有三个值，并且没有其他变量阻止它们被折叠成一行，因为 spread 试图处理具有相似/否的值索引值：

library(tidyverse)

df <- data_frame(x = c('a', 'b'), y = 1:2)

df    # 2 rows...
#> # A tibble: 2 x 2
#>       x     y
#>   <chr> <int>
#> 1     a     1
#> 2     b     2

df %>% spread(x, y)    # ...become one if there's only one value for each.
#> # A tibble: 1 x 2
#>       a     b
#> * <int> <int>
#> 1     1     2

spread 不应用函数来组合多个值 (à la dcast)，因此必须对行进行索引，以便一个位置有一个或零值，例如

df <- data_frame(i = c(1, 1, 2, 2, 3, 3), 
                 x = c('a', 'b', 'a', 'b', 'a', 'b'), 
                 y = 1:6)

df    # the two rows with each `i` value here...
#> # A tibble: 6 x 3
#>       i     x     y
#>   <dbl> <chr> <int>
#> 1     1     a     1
#> 2     1     b     2
#> 3     2     a     3
#> 4     2     b     4
#> 5     3     a     5
#> 6     3     b     6

df %>% spread(x, y)    # ...become one row here.
#> # A tibble: 3 x 3
#>       i     a     b
#> * <dbl> <int> <int>
#> 1     1     1     2
#> 2     2     3     4
#> 3     3     5     6

如果您的值没有被其他列自然索引，您可以添加一个唯一索引列（例如，通过将行号添加为列）这将阻止 spread 尝试折叠行：

df <- structure(list(age = c("21", "17", "32", "29", "15"), 
                     gender = structure(c(2L, 1L, 1L, 2L, 2L), 
                                        .Label = c("Female", "Male"), class = "factor")), 
                row.names = c(NA, -5L), 
                class = c("tbl_df", "tbl", "data.frame"), 
                .Names = c("age", "gender"))

df %>% mutate(i = row_number()) %>% spread(gender, age)
#> # A tibble: 5 x 3
#>       i Female  Male
#> * <int>  <chr> <chr>
#> 1     1   <NA>    21
#> 2     2     17  <NA>
#> 3     3     32  <NA>
#> 4     4   <NA>    29
#> 5     5   <NA>    15

如果您以后想删除它，请添加select(-i)。在这种情况下，这不会产生非常有用的 data.frame，但在更复杂的重塑过程中可能非常有用。

【讨论】：

为什么不能tidyr 为我这样做？ df %>% group_by_at(vars(-age)) %>% mutate(row_id=1:n()) %>% ungroup() %>% spread(key=gender, value=age) %>% select(- row_id)

@dmi3kno 可以而且可以吗？或者你的意思是为什么spread 不能自己做到这一点？如果是这样，那是因为行顺序不是变量，所以数据中的 17 和 21 之间没有内在联系，直到您通过索引添加一个。