将非唯一值放入新列的 spread() [重复]答案

【问题标题】：spread() where non-unique values are put into a new column [duplicate]将非唯一值放入新列的 spread() [重复]
【发布时间】：2019-11-04 01:46:00
【问题描述】：

我有一些看起来像这样的数据（最后的输入代码）：

#>           artist          album year  source                     id
#> 1        Beatles  Sgt. Pepper's 1967  amazon             B0025KVLTM
#> 2        Beatles  Sgt. Pepper's 1967 spotify 6QaVfG1pHYl1z15ZxkvVDW
#> 3        Beatles  Sgt. Pepper's 1967  amazon             B06WGVMLJY
#> 4 Rolling Stones Sticky Fingers 1971 spotify 29m6DinzdaD0OPqWKGyMdz

我想修复 'id' 列（其中包括来自多个来源的 id，如 'source' 列中所示。

这应该是一个直截了当的spread()，但复杂的是，有时我们会从完全相同的来源获得重复的 id：参见上面的第 1 行和第 3 行。

有没有一种简单的方法来执行spread() 并将重复的 id 放入新列中？

我想要的结果是：


#>           artist          album year  source  amazon_id amazon_id_2
#> 1        Beatles  Sgt. Pepper's 1967  amazon B0025KVLTM  B06WGVMLJY
#> 2 Rolling Stones Sticky Fingers 1971 spotify       <NA>        <NA>
#>                  spotify
#> 1 6QaVfG1pHYl1z15ZxkvVDW
#> 2 29m6DinzdaD0OPqWKGyMdz

下面的代码是输入样本数据：

df <- data.frame(stringsAsFactors=FALSE,
      artist = c("Beatles", "Beatles", "Beatles", "Rolling Stones"),
       album = c("Sgt. Pepper's", "Sgt. Pepper's", "Sgt. Pepper's",
                 "Sticky Fingers"),
        year = c(1967, 1967, 1967, 1971),
      source = c("amazon", "spotify", "amazon", "spotify"),
          id = c("B0025KVLTM", "6QaVfG1pHYl1z15ZxkvVDW", "B06WGVMLJY",
                 "29m6DinzdaD0OPqWKGyMdz")
)
df

【问题讨论】：

标签： r dataframe reshape tidyr spread

【解决方案1】：

这可以通过data.table 中的dcast 在一行（looong）中完成。但因此我认为非常优雅。

library(data.table)
dcast(df, artist + album + year ~ paste(source, rowid(artist, source), sep = "_"))
#          artist          album year   amazon_1   amazon_2              spotify_1
#1        Beatles  Sgt. Pepper's 1967 B0025KVLTM B06WGVMLJY 6QaVfG1pHYl1z15ZxkvVDW
#2 Rolling Stones Sticky Fingers 1971       <NA>       <NA> 29m6DinzdaD0OPqWKGyMdz

【讨论】：

【解决方案2】：

一种可能是：

df %>%
 group_by(artist, album, year, source) %>%
 mutate(source2 = paste(source, row_number(), sep = "_")) %>%
 spread(source2, id) %>%
 ungroup()

  artist         album           year source  amazon_1   amazon_2   spotify_1             
  <chr>          <chr>          <dbl> <chr>   <chr>      <chr>      <chr>                 
1 Beatles        Sgt. Pepper's   1967 amazon  B0025KVLTM B06WGVMLJY <NA>                  
2 Beatles        Sgt. Pepper's   1967 spotify <NA>       <NA>       6QaVfG1pHYl1z15ZxkvVDW
3 Rolling Stones Sticky Fingers  1971 spotify <NA>       <NA>       29m6DinzdaD0OPqWKGyMdz

请注意，这里的输出由三行组成，因为spotify 是披头士专辑的唯一“来源”。

如果你仍然想要两行，你可以这样做：

df %>%
 group_by(artist, album, year, source) %>%
 mutate(source2 = paste(source, row_number(), sep = "_")) %>%
 ungroup() %>%
 select(-source) %>%
 spread(source2, id) 

  artist         album           year amazon_1   amazon_2   spotify_1             
  <chr>          <chr>          <dbl> <chr>      <chr>      <chr>                 
1 Beatles        Sgt. Pepper's   1967 B0025KVLTM B06WGVMLJY 6QaVfG1pHYl1z15ZxkvVDW
2 Rolling Stones Sticky Fingers  1971 <NA>       <NA>       29m6DinzdaD0OPqWKGyMdz

如果您还想拥有“来源”列：

df %>%
 group_by(artist, album, year, source) %>%
 mutate(source2 = paste(source, row_number(), sep = "_")) %>%
 group_by(artist, album, year) %>%
 mutate(source = toString(unique(source))) %>%
 spread(source2, id) %>%
 ungroup()

  artist         album           year source          amazon_1  amazon_2  spotify_1            
  <chr>          <chr>          <dbl> <chr>           <chr>     <chr>     <chr>                
1 Beatles        Sgt. Pepper's   1967 amazon, spotify B0025KVL… B06WGVML… 6QaVfG1pHYl1z15ZxkvV…
2 Rolling Stones Sticky Fingers  1971 spotify         <NA>      <NA>      29m6DinzdaD0OPqWKGyM…

【讨论】：

我正在尝试用两行（即您的第二个答案）来计算代码如何为您的答案工作。我想知道你是否可以帮助我理解它是如何阻止三行成为结果的？我尝试将代码分解，所以我可以看到每个步骤（上面的代码在 postscript 中提出问题）但以某种方式分解它意味着返回三行。
我没有运气将代码发布为 cmets，但这就是我的意思：df2 % group_by(artist, album, year, source) %>% mutate(source2 =粘贴（来源，row_number（），sep =“_”））％>％取消组（）％>％选择（-来源）df2＃传播（来源2，id）df2 ％传播（来源2，id）
它通过删除步骤select(-source)中的“源”列来实现。

【解决方案3】：

也可以在带有ave 和reshape 的基础R 中。

df$source <- with(df, paste(source, 
                            ave(artist, source, FUN=function(i) 
                              cumsum(duplicated(i)) + 1)), sep="_")
reshape(df, timevar="source", idvar=c("artist", "album", "year"), direction="wide")
#           artist          album year id.amazon_1           id.spotify_1 id.amazon_2 id.amazon_3
# 1        Beatles  Sgt. Pepper's 1967  B0025KVLTM 6QaVfG1pHYl1z15ZxkvVDW  B06WGVMLJY     SoMeFoO
# 4 Rolling Stones Sticky Fingers 1971        <NA> 29m6DinzdaD0OPqWKGyMdz        <NA>        <NA>

数据

df <- structure(list(artist = c("Beatles", "Beatles", "Beatles", "Rolling Stones"
), album = c("Sgt. Pepper's", "Sgt. Pepper's", "Sgt. Pepper's", 
"Sticky Fingers"), year = c(1967, 1967, 1967, 1971), source = c("amazon", 
"spotify", "amazon", "spotify"), id = c("B0025KVLTM", "6QaVfG1pHYl1z15ZxkvVDW", 
"B06WGVMLJY", "29m6DinzdaD0OPqWKGyMdz")), class = "data.frame", row.names = c(NA, 
-4L))
df <- rbind(df, df[1, ])
df[5, 5] <- "SoMeFoO"

【讨论】：

【解决方案4】：

这是一种方法。

df %>% 
  group_by(artist,source) %>%  
  mutate(rownum = row_number()) %>% 
  unite(source, source, rownum, sep="_") %>% 
  spread(source,id)

# A tibble: 2 x 6
# Groups:   artist [2]
  artist         album           year amazon_1   amazon_2   spotify_1             
  <chr>          <chr>          <dbl> <chr>      <chr>      <chr>                 
1 Beatles        Sgt. Pepper's   1967 B0025KVLTM B06WGVMLJY 6QaVfG1pHYl1z15ZxkvVDW
2 Rolling Stones Sticky Fingers  1971 NA         NA         29m6DinzdaD0OPqWKGyMdz

【讨论】：

你能解释一下为什么最后一行`spread(source, id) 没有为披头士创建两行，尽管披头士有两个来源，即“amazon_1”和“amazon_2” ?
另外，在这一行：unite(source, source, rownum, sep="_")，我想弄清楚为什么我们把“source”放了两次。