重塑组内的数据-单行中的组[重复]答案

【问题标题】：Reshape data within groups - groups in a single row [duplicate]重塑组内的数据-单行中的组[重复]
【发布时间】：2018-07-09 02:46:53
【问题描述】：

这是我的输入数据：

 DeviceID   ContentID   Use
 D1 C1  0.678491346
 D1 C2  0.302147374
 D2 C1  0.695790066
 D2 C2  0.645849165
 D3 C1  0.83503997
 D3 C2  0.3622916

预期输出：

DeviceID    ContentID_1 Use_1   ContentID_2 Use_2
D1  C1  0.678491346 C2  0.302147374
D2  C1  0.695790066 C2  0.645849165
D3  C1  0.83503997  C2  0.3622916

我尝试使用 reshape2 对其进行重塑，但无法以所需的格式获得它。

我试过了：

 df %>% 
   group_by(DeviceID) %>% 
   mutate(rn = paste0("Content",row_number())) %>% 
   spread(rn, Use)

和

dcast(df,
      DeviceID~ContentID,
      value.var ="Use")

任何帮助将不胜感激！

【问题讨论】：

你是怎么尝试的？
dcast(df,Device ID~Content ID, value.var ="Use")。但我将内容 ID 作为列。
但我不知道如何将内容 ID 连续获取
请将此尝试添加到您的问题中。

标签： r dplyr reshape2

【解决方案1】：

从 v1.9.6 开始（CRAN 2015 年 9 月 19 日），data.table 可以同时转换多个值列：

library(data.table)
dcast(setDT(df), DeviceID ~ rowid(DeviceID), value.var = c("ContentID", "Use"))

    DeviceID  ContentID_1  ContentID_2     Use_1     Use_2
1:        D1           C1           C2 0.6784913 0.3021474
2:        D2           C1           C2 0.6957901 0.6458492
3:        D3           C1           C2 0.8350400 0.3622916

更改列顺序

结果包含预期的列，但顺序不同。 dcast() 创建按value.var 分组的新列。

OP 没有指出确切的列顺序是否重要。但是，可以通过按引用更改列顺序来准确再现预期结果，即，无需使用setcolorder()复制整个数据对象：

cols <- c("ContentID", "Use")
wide <- dcast(setDT(df), DeviceID ~ rowid(DeviceID), value.var = cols)
new_col_order <- CJ(seq_len(uniqueN(df$ContentID)), cols)[, paste(V2, V1, sep = "_")]
setcolorder(wide, new_col_order)
wide

   ContentID_1     Use_1 ContentID_2     Use_2 DeviceID
1:          C1 0.6784913          C2 0.3021474       D1
2:          C1 0.6957901          C2 0.6458492       D2
3:          C1 0.8350400          C2 0.3622916       D3

CJ() 是行 ID 与 value.vars 的交叉连接，用于按所需顺序创建列名。

我已提交feature request on GitHub 以选择性地更改dcast() 中的列顺序。

数据

library(data.table)
df <- fread(
  " DeviceID  ContentID  Use
 D1 C1  0.678491346
  D1 C2  0.302147374
  D2 C1  0.695790066
  D2 C2  0.645849165
  D3 C1  0.83503997
  D3 C2  0.3622916"
)

【讨论】：

【解决方案2】：

我们可以使用Reduce和aggregate按照上面给出的格式重新排列它

data.frame(Reduce(cbind,aggregate(.~Device,dat,I)))[c(1,2,4,3,5)]
  init V2          V4 V3          V5
1   D1 C1 0.678491346 C2 0.302147374
2   D2 C1 0.695790066 C2 0.645849165
3   D3 C1  0.83503997 C2   0.3622916

这是库 dplyr 的蛮力

 map2_dfc(s<-dat%>%spread(Id,Content),names(s),~rev(stack(s,.y)))
     ind values ind1   values1 ind2   values2
1 Device     D1   C1 0.6784913   C2 0.3021474
2 Device     D2   C1 0.6957901   C2 0.6458492
3 Device     D3   C1 0.8350400   C2 0.3622916

【讨论】：

谢谢！有没有办法使用 dplyr/reshape2 做到这一点？
我现在想不出任何东西。但如果有的话，会在这里发布。
你能解释一下aggregate(.~Device,dat,I)吗？
aggregate 接收数据并根据提供的因子对其进行分组，然后对分组数据执行功能。我的功能是I （身份）功能。本质上只是划分数据但输出相同的数据
例如试试aggregate(.~Species,iris,mean)

【解决方案3】：

发布我的解决方案：

library(splitstackshape)
library(tidyverse)

df %>%
  group_by(DeviceId) %>%
  summarise_all(function(x) paste0(x, collapse = "_")) %>%
  cSplit(names(.)[-1], '_')

在 cmets 中包含来自 @AntoniosK 的建议。

【讨论】：

【解决方案4】：

library(data.table)
DT <- setDT(df)

使用您的 dcast 意图，您可以这样做

    Reduce(function(dtf1,dtf2) merge(dtf1,dtf2, by = "DeviceId"), 
           lapply( unique(DT$ContentID),
                   function(x){dcast(DT[ContentID == x],DeviceId + ContentID  ~ ContentID ,value.var = "Use")} ))

   DeviceId ContentID.x        C1 ContentID.y        C2
1:       D1          C1 0.6784913          C2 0.3021474
2:       D2          C1 0.6957901          C2 0.6458492
3:       D3          C1 0.8350400          C2 0.3622916

【讨论】：

【解决方案5】：

df = read.table(text = "
DeviceId  ContentID  Use
D1 C1  0.678491346
D1 C2  0.302147374
D2 C1  0.695790066
D2 C2  0.645849165
D3 C1  0.83503997
D3 C2  0.3622916
", header=T, stringsAsFactors=F)

library(tidyverse)

df %>%
  group_by(DeviceId) %>%
  summarise_all(function(x) paste0(x, collapse = "_")) %>%
  separate(ContentID, c("ID_1","ID_2"), sep="_") %>%
  separate(Use, c("Use_1","Use_2"), sep="_")

# # A tibble: 3 x 5
#   DeviceId ID_1  ID_2  Use_1       Use_2      
# * <chr>    <chr> <chr> <chr>       <chr>      
# 1 D1       C1    C2    0.678491346 0.302147374
# 2 D2       C1    C2    0.695790066 0.645849165
# 3 D3       C1    C2    0.83503997  0.3622916

【讨论】：

如果我给出了两个以上的类别？我的实际数据有 n 个类别，有没有办法使 into 中的 into 参数动态化？
我希望有一个 separate_all 函数 :-) 您可能必须创建自己的函数或使用不同的包。我去看看。
df %>% group_by(DeviceId) %>% summarise_all(function(x) paste0(x, collapse = "_")) %>% cSplit(c('ContentID', 'Use'), '_') using cSplit' from the splitstackshape` 包感谢@AntoniosK 为我指明了正确的方向！
太棒了！或者 cSplit(names(.)[-1], '_') 如果您想自动排除第一列，而不输入所有感兴趣的列名...
另外请记住，在summarise_all 中，您可以使用funs() 参数，例如summarise_all(funs(paste0(., collapse = "_")))。这会给你同样的结果。但是，funs() 可用于将多个函数应用于多个列，例如：summarise_all(funs(a = paste0(., collapse = "_"), b = paste0(., collapse = "||")))，这在将来的不同情况下可能会非常有用。