对行使用带有重复标识符的扩展
Posted
技术标签:
【中文标题】对行使用带有重复标识符的扩展【英文标题】：Using spread with duplicate identifiers for rows 【发布时间】：2016-12-27 11:10:08 【问题描述】：我有一个长表单数据框，其中包含相同日期和人员的多个条目。
jj <- data.frame(month=rep(1:3,4),
student=rep(c("Amy", "Bob"), each=6),
A=c(9, 7, 6, 8, 6, 9, 3, 2, 1, 5, 6, 5),
B=c(6, 7, 8, 5, 6, 7, 5, 4, 6, 3, 1, 5))
我想把它转换成宽格式，变成这样：
month Amy.A Bob.A Amy.B Bob.B
1
2
3
1
2
3
1
2
3
1
2
3
我的问题与this 非常相似。我在答案中使用了给定的代码：
kk <- jj %>%
gather(variable, value, -(month:student)) %>%
unite(temp, student, variable) %>%
spread(temp, value)
但它给出了以下错误：
错误：行 (1, 4), (2, 5), (3, 6), (13, 16), (14, 17), (15, 18), (7, 10) 的标识符重复, (8, 11), (9, 12), (19, 22), (20, 23), (21, 24)
提前致谢。 注意：我不想删除多个条目。
【问题讨论】：
输出没有意义。 Bob.B5 6 7 怎么样。第 1 个月有两个 Bob B 值，5 3?第 2 个月是4 and 2。最后，第 3 个月 6 5。您将这些总结为一个值。
【参考方案1】：
问题在于A 和B 的两列。如果我们可以创建一个值列，我们可以按照您的意愿传播数据。当您使用以下代码时，请查看jj_melt 的输出。
library(reshape2)
jj_melt <- melt(jj, id=c("month", "student"))
jj_spread <- dcast(jj_melt, month ~ student + variable, value.var="value", fun=sum)
# month Amy_A Amy_B Bob_A Bob_B
# 1 1 17 11 8 8
# 2 2 13 13 8 5
# 3 3 15 15 6 11
我不会将此标记为重复，因为sum 没有对另一个问题进行总结，但data.table 的答案可以帮助解决一个额外的论点fun=sum：
library(data.table)
dcast(setDT(jj), month ~ student, value.var=c("A", "B"), fun=sum)
# month A_sum_Amy A_sum_Bob B_sum_Amy B_sum_Bob
# 1: 1 17 8 11 8
# 2: 2 13 8 13 5
# 3: 3 15 6 15 11
如果您想使用tidyr 解决方案，请将其与dcast 结合使用sum 进行汇总。
as.data.frame(jj)
library(tidyr)
jj %>%
gather(variable, value, -(month:student)) %>%
unite(temp, student, variable) %>%
dcast(month ~ temp, fun=sum)
# month Amy_A Amy_B Bob_A Bob_B
# 1 1 17 11 8 8
# 2 2 13 13 8 5
# 3 3 15 15 6 11
编辑
根据您的新要求，我添加了一个活动栏。
library(dplyr)
jj %>% group_by(month, student) %>%
mutate(id=1:n()) %>%
melt(id=c("month", "id", "student")) %>%
dcast(... ~ student + variable, value.var="value")
# month id Amy_A Amy_B Bob_A Bob_B
# 1 1 1 9 6 3 5
# 2 1 2 8 5 5 3
# 3 2 1 7 7 2 4
# 4 2 2 6 6 6 1
# 5 3 1 6 8 1 6
# 6 3 2 9 7 5 5
也可以使用其他解决方案。这里我添加了一个可选表达式来按活动编号排列最终输出：
library(tidyr)
jj %>%
gather(variable, value, -(month:student)) %>%
unite(temp, student, variable) %>%
group_by(temp) %>%
mutate(id=1:n()) %>%
dcast(... ~ temp) %>%
arrange(id)
# month id Amy_A Amy_B Bob_A Bob_B
# 1 1 1 9 6 3 5
# 2 2 2 7 7 2 4
# 3 3 3 6 8 1 6
# 4 1 4 8 5 5 3
# 5 2 5 6 6 6 1
# 6 3 6 9 7 5 5
data.table 语法很紧凑，因为它允许多个value.var 列，并且会为我们处理传播。然后我们可以跳过melt -> cast 进程。
library(data.table)
setDT(jj)[, activityID := rowid(student)]
dcast(jj, ... ~ student, value.var=c("A", "B"))
# month activityID A_Amy A_Bob B_Amy B_Bob
# 1: 1 1 9 3 6 5
# 2: 1 4 8 5 5 3
# 3: 2 2 7 2 7 4
# 4: 2 5 6 6 6 1
# 5: 3 3 6 1 8 6
# 6: 3 6 9 5 7 5
【讨论】：
感谢您的回答。我不想总结。不需要算术运算。我想为 Amy 创建 A 和 B 列，为 Bob 创建 A 和 B 列，它们只是具有各自的值。 如果同一月份有两个值，学生和班级，您要选择哪一个？ 我都想要。实际上，我正在处理出价和要价数据，因此有多个条目。 所以你没有通过有问题的变量进行总结。您需要一个可以充当活动 ID 的新变量。另外，不要在您的问题中使用代码 sn-ps。它们不起作用，输出混乱。只需突出显示您的代码，粘贴、突出显示并使用 Ctrl+K 缩进为代码可读格式。 我们可以使用dcast(month + id ~ temp, value.var="value")。我们使用了一些技巧来缩短它。三个点（所有其他列）使我们不必写month + id，也不必写value.var="value"，因为函数将使用最后一列猜测值列。【参考方案2】：
您的答案缺少 mutate id！这是仅使用 dplyr packge 的解决方案。
jj %>%
gather(variable, value, -(month:student)) %>%
unite(temp, student, variable) %>%
group_by(temp) %>%
mutate(id=1:n()) %>%
spread(temp, value)
# A tibble: 6 x 6
# month id Amy_A Amy_B Bob_A Bob_B
# * <int> <int> <dbl> <dbl> <dbl> <dbl>
# 1 1 1 9 6 3 5
# 2 1 4 8 5 5 3
# 3 2 2 7 7 2 4
# 4 2 5 6 6 6 1
# 5 3 3 6 8 1 6
# 6 3 6 9 7 5 5
【讨论】：
如果你不想要 id 列，只需在末尾添加%>% select(-id)即可。
这是个好技巧。简要扩展：如果您在收集之前没有每行的唯一 id，则无法确定传播时哪些值属于哪些观察值。添加任何充当主键的列可以缓解这种情况。
这里不只使用dplyr：gather、unite、spread都来自tidyr【参考方案3】：
因为 tidyr 1.0.0 pivot_wider 是 spread 的推荐替代品，您可以执行以下操作：
jj <- data.frame(month=rep(1:3,4),
student=rep(c("Amy", "Bob"), each=6),
A=c(9, 7, 6, 8, 6, 9, 3, 2, 1, 5, 6, 5),
B=c(6, 7, 8, 5, 6, 7, 5, 4, 6, 3, 1, 5))
library(tidyr)
pivot_wider(
jj,
names_from = "student",
values_from = c("A","B"),
names_sep = ".",
values_fn = list(A= list, B= list)) %>%
unchop(everything())
#> # A tibble: 6 x 5
#> month A.Amy A.Bob B.Amy B.Bob
#> <int> <dbl> <dbl> <dbl> <dbl>
#> 1 1 9 3 6 5
#> 2 1 8 5 5 3
#> 3 2 7 2 7 4
#> 4 2 6 6 6 1
#> 5 3 6 1 8 6
#> 6 3 9 5 7 5
由reprex package (v0.3.0) 于 2019-09-14 创建
这个问题的转折是那个月份不是学生独有的，要解决这个问题：
values_fn = list(A= list, B= list)) 将多个值放在一个列表中
unchop(everything()) 垂直取消嵌套列表，您也可以在这里使用unnest
【讨论】：
【参考方案4】：如果我们创建一个唯一的序列，那么我们可以使用pivot_wider以正确的格式输出
library(dplyr)
library(tidyr)
jj %>%
group_by(month, student) %>%
mutate(rn = row_number()) %>%
pivot_wider(names_from = 'student', values_from = c('A', 'B'),
names_sep='.') %>%
select(-rn)
# A tibble: 6 x 5
# Groups: month [3]
# month A.Amy A.Bob B.Amy B.Bob
# <int> <dbl> <dbl> <dbl> <dbl>
#1 1 9 3 6 5
#2 2 7 2 7 4
#3 3 6 1 8 6
#4 1 8 5 5 3
#5 2 6 6 6 1
#6 3 9 5 7 5
数据
jj <- structure(list(month = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
1L, 2L, 3L), student = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L,
2L, 2L, 2L, 2L, 2L), .Label = c("Amy", "Bob"), class = "factor"),
A = c(9, 7, 6, 8, 6, 9, 3, 2, 1, 5, 6, 5), B = c(6, 7, 8,
5, 6, 7, 5, 4, 6, 3, 1, 5)), class = "data.frame", row.names = c(NA,
-12L))
【讨论】：
以上是关于对行使用带有重复标识符的扩展的主要内容，如果未能解决你的问题，请参考以下文章
创建带有外键的表会出现错误 ORA-00904: : oracle 10g 中的无效标识符 [重复]