根据简单条件组合来自 data.table 或 data.frame 的不同行单元

Question

我有一个看起来像这样的 data.frame

dput(repex) = structure(list(cat = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L), .Label = c("x", 
"y", "z"), class = "factor"), year = c(1980, 1980, 1982, 1982, 
1990, 1991, 1991, 1991, 1993, 1981, 1981, 1983, 1990, 1996, 1996, 
1996, 1996, 1999, 2002, 1994), org = structure(c(2L, 3L, 4L, 
2L, 5L, 6L, 7L, 8L, 9L, 2L, 3L, 5L, 3L, 10L, 11L, 4L, 9L, 10L, 
3L, 9L), .Label = c("709340", "a", "b", "c", "d", "f", "j", "k", 
"e", "h", "m"), class = "factor")), .Names = c("cat", "year", 
"org"), row.names = c(NA, 20L), class = "data.frame")

我想创建一个新对象（最好是 data.table 或 data.frame），其中 org 的元素水平分组在特定的 cat, year 组合后面

我尝试运行以下命令：

repex <- data.table(repex)
setkey(repex,cat,year)
repex[, list(org), by="cat,year"]  #OR
repex[, paste(org,sep="_"), by="cat,year"] # OR
with(repex, tapply(org,paste(cat,year,sep="_"),paste))

前两个 data.table 选项仅复制整个 data.table 和 tapply 选项（应用于 repex 作为 data.table 或 data.frame）适用于小型数据集，但创建一个不太方便的列表对象因为我需要将输出添加到另一个基于 cat_year 组合的 data.frame... 此外，对于一个长数据集（nrow > 100,000），它需要永远，特别是在某些情况下它需要粘贴 > 100 org-变种。

我想要的输出是一个看起来像这样的 data.table

x 1980 a b
x 1982 a c # org would ideally be rearranged
x 1990 d
x 1991 f j k 
...
y 1996 c e h m
...
z 2002 b

Answer 1

@Anandaaaaaaaaaaaaaaaa，

这是我自己解决问题的不雅方法。我相信有一种更简单的方法可以采纳您的建议，但我也想分享一下。

第 1 步：将所有 org 粘贴到列表中

tmp1 <- with(repex, tapply(org,paste(cat,year,sep="_"), paste))

第 2 步：查找列表的最长长度（非常不雅）

x<-as.vector(NA)
for (i in 1:length(fy_ids)) {
  x[i] <- length(fy_ids[[i]])
  }
max(x)

第 3 步：使用 x 的最大值，构造一个 data.frame，其中每个组织都出现在一个新单元格中（特别感谢@agstudy 提供了previous answer

tmp <- do.call(rbind,lapply(tmp1,
               function(y)
                 if(length(y)>0)c(y,rep(NA, max(x)-length(y)))
                             else c(y,rep(NA,max(x)))))

第四步：将tmp转成data.frame

tmp <- data.frame(tmp)

我知道这很麻烦，但它的优点是可以更轻松地搜索特定的 org，因为每个 org 都出现在不同的单元格中。

Answer 2

您的一个实际问题是对paste 使用了不正确的参数。您正在寻找collapse，而不是sep。另一个问题是错误地使用了“data.table”语法。

---

更新

考虑到这个答案的 cmets，我建议改为：

library(data.table)
library(reshape2)
DT <- as.data.table(repex)

setkey(DT, cat, year, org) ## Sorts everything

## Creates a column "var" with the sequence of values ("V1", "V2", and so on)
DT[, var := paste("V", sequence(.N), sep = ""), by = list(cat, year)]
head(DT)
#    cat year org var
# 1:   x 1980   a  V1
# 2:   x 1980   b  V2
# 3:   x 1982   a  V1
# 4:   x 1982   c  V2
# 5:   x 1990   d  V1
# 6:   x 1991   f  V1

将其转换为“宽”格式：

dcast.data.table(DT, cat + year ~ var, value.var="org")
#     cat year V1 V2 V3 V4
#  1:   x 1980  a  b NA NA
#  2:   x 1982  a  c NA NA
#  3:   x 1990  d NA NA NA
#  4:   x 1991  f  j  k NA
#  5:   x 1993  e NA NA NA
#  6:   y 1981  a  b NA NA
#  7:   y 1983  d NA NA NA
#  8:   y 1990  b NA NA NA
#  9:   y 1996  c  e  h  m
# 10:   z 1994  e NA NA NA
# 11:   z 1999  h NA NA NA
# 12:   z 2002  b NA NA NA

---

原答案

这是一个非常简单的aggregate 问题：

aggregate(org ~ cat + year, repex, function(x) paste(sort(x), collapse = " "))
#    cat year     org
# 1    x 1980     a b
# 2    y 1981     a b
# 3    x 1982     a c
# 4    y 1983       d
# 5    x 1990       d
# 6    y 1990       b
# 7    x 1991   f j k
# 8    x 1993       e
# 9    z 1994       e
# 10   y 1996 c e h m
# 11   z 1999       h
# 12   z 2002       b

---

“data.table”方法：

library(data.table)
DT <- as.data.table(repex)
DT[, list(org = paste(sort(org), collapse = " ")), by = list(cat, year)]

而且，为了解决问题，采用“dplyr”方法：

library(dplyr)
repex %.% group_by(cat, year) %.% summarise(org = paste(sort(org), collapse = " "))