如何在 tidyr 中正确使用扩展功能答案

【问题标题】：How to use the spread function properly in tidyr如何在 tidyr 中正确使用扩展功能
【发布时间】：2016-04-13 14:25:25
【问题描述】：

如何更改下表：

Type    Name    Answer     n
TypeA   Apple   Yes        5
TypeA   Apple   No        10
TypeA   Apple   DK         8
TypeA   Apple   NA        20
TypeA   Orange  Yes        6
TypeA   Orange  No        11
TypeA   Orange  DK         8
TypeA   Orange  NA        23

改为：

Type    Name    Yes   No   DK   NA  
TypeA   Apple   5     10   8    20
TypeA   Orange  6     11   8    23

我使用以下代码获取第一个表。

df_1 <- 
  df %>% 
  group_by(Type, Name, Answer) %>% 
  tally()

然后我尝试使用 spread 命令到达第二张桌子，但收到以下错误消息：

“错误：所有列都必须命名”

df_2 <- spread(df_1, Answer)

【问题讨论】：

标签： r dplyr tidyr spread

【解决方案1】：

我认为从df_1 到df_2 只需要tidyr。

library(magrittr)
df_1 <- read.csv(text="Type,Name,Answer,n\nTypeA,Apple,Yes,5\nTypeA,Apple,No,10\nTypeA,Apple,DK,8\nTypeA,Apple,NA,20\nTypeA,Orange,Yes,6\nTypeA,Orange,No,11\nTypeA,Orange,DK,8\nTypeA,Orange,NA,23", stringsAsFactors=F)

df_2 <- df_1 %>% 
  tidyr::spread(key=Answer, value=n)

输出：

   Type   Name DK No Yes NA
1 TypeA  Apple  8 10   5 20
2 TypeA Orange  8 11   6 23

【讨论】：

此方法在上面显示的代码中有效。但是，当第一个表（即 df_1）上的 n 列是系统使用 tally 函数生成时。这种方法不起作用。它仍然给我错误：必须命名所有列。上面列出了我用来使用 tally 生成 n 列的代码。在这种情况下，价差似乎无法识别 n 列。还有其他建议吗？
思路一：在df_1的创建结束时使用dplyr::ungroup()。
想法 2：使用as.data.frame() 投射。想法3：输出dput()，这样我们可以更好地看到结构。 stackoverflow.com/questions/5963269/…。否则很难看出你是怎么得到df_1的。
谢谢威比斯利。我终于弄明白了为什么我会收到“所有列必须命名”的消息。这是因为在我的实际数据集中，我有 NA 内部，当我进行传播时，它没有列的名称。我的示例数据集中没有包含 NA，所以这就是您看不到我的问题的原因。但无论如何，现在问题得到解决真是太好了。再次感谢您对此的帮助。 8-)

【解决方案2】：

根据 ayk 的评论，我提供了一个示例。在我看来，当您有一个 data_frame 的列具有 NA 值的因子或字符类时，如果不删除它们或重新分类数据，就无法传播。这是特定于 data_frame 的（请注意名称中带有下划线的 dplyr 类），因为当您在 data.frame 中有 NA 值时，这在我的示例中有效。例如，上面示例的略微修改版本：

这是数据框

library(dplyr)
library(tidyr)
df_1 <- data_frame(Type = c("TypeA", "TypeA", "TypeB", "TypeB"),
                   Answer = c("Yes", "No", NA, "No"),
                   n = 1:4)
df_1

这给出了一个看起来像这样的 data_frame

Source: local data frame [4 x 3]

   Type Answer     n
  (chr)  (chr) (int)
1 TypeA    Yes     1
2 TypeA     No     2
3 TypeB     NA     3
4 TypeB     No     4

然后，当我们尝试整理它时，我们会收到一条错误消息：

df_1 %>% spread(key=Answer, value=n)
Error: All columns must be named

但是，如果我们删除 NA，那么它“有效”：

df_1 %>%
    filter(!is.na(Answer)) %>%
    spread(key=Answer, value=n)
Source: local data frame [2 x 3]

   Type    No   Yes
  (chr) (int) (int)
1 TypeA     2     1
2 TypeB     4    NA

但是，删除 NA 可能不会给您想要的结果：即您可能希望将它们包含在您的整理表中。您可以直接修改数据以将 NA 更改为更具描述性的值。或者，您可以将数据更改为 data.frame，然后它就可以很好地传播：

as.data.frame(df_1) %>% spread(key=Answer, value=n)
   Type No Yes NA
1 TypeA  2   1 NA
2 TypeB  4  NA  3

【讨论】：

这是非常好的信息。感谢您分享这些知识。 8-)