从长到宽的多列数据答案

【问题标题】：From long to wide data with multiple columns从长到宽的多列数据
【发布时间】：2016-09-16 20:33:15
【问题描述】：

关于如何顺利从 foo 到 foo2 的建议（最好使用 tidyr 或 reshape2 包）？

这有点像this question，但不完全是我的想法，因为我不想为列自动编号，只是加宽多个列。它也有点像this question，但同样，我认为我不希望列像那个答案那样随行值而变化。或者，对这个问题的一个有效答案是让我相信它与其他问题完全一样。 “两个dcasts加一个merge”的第二个问题的解决方案是目前最有吸引力的，因为它对我来说是可以理解的。

富：

foo = data.frame(group=c('a', 'a', 'b', 'b', 'c', 'c'),
                  times=c('before', 'after', 'before', 'after', 'before', 'after'),
                  action_rate=c(0.1,0.15, 0.2, 0.18,0.3, 0.35),
                  num_users=c(100, 100, 200, 200, 300, 300))
foo <- transform(foo,
                 action_rate_c95 = 1.95 * sqrt(action_rate*(1-action_rate)/num_users))

> foo
  group  times action_rate num_users action_rate_c95
1     a before        0.10       100      0.05850000
2     a  after        0.15       100      0.06962893
3     b before        0.20       200      0.05515433
4     b  after        0.18       200      0.05297400
5     c before        0.30       300      0.05159215
6     c  after        0.35       300      0.05369881

foo2:

foo2 <- data.frame(group=c('a', 'b', 'c'),
                   action_rate_before=c(0.1,0.2, 0.3),
                   action_rate_after=c(0.15, 0.18,0.35),
                   action_rate_c95_before=c(0.0585,0.055, 0.05159),
                   action_rate_c95_after=c(0.069, 0.0530,0.0537),
                   num_users=c(100, 200, 300))

> foo2
  group action_rate_before action_rate_after action_rate_c95_before
1     a                0.1              0.15                 0.0585
2     b                0.2              0.18                 0.0550
3     c                0.3              0.35                 0.05159
  action_rate_c95_after num_users
1                 0.0690       100
2                 0.0530       200
3                 0.0537       300

编辑：现在我可能会尝试使用pivot_wider from tidyr。

【问题讨论】：

标签： r reshape2 tidyr

【解决方案1】：

您可以使用data.table 代替reshape2，因为它的dcast() 函数接受多个变量，而且速度也更快：

require(data.table)
setDT(foo)
dcast(foo,group+num_users~times,value.var=c("action_rate","action_rate_c95"))

   group num_users action_rate_after action_rate_before action_rate_c95_after action_rate_c95_before
1:     a       100              0.15                0.1            0.06962893             0.05850000
2:     b       200              0.18                0.2            0.05297400             0.05515433
3:     c       300              0.35                0.3            0.05369881             0.05159215

【讨论】：

如果你不想重复 num_users_before 和 num_users_after 你可以只做 dcast(foo,group+num_users~times,value.var=c("action_rate","action_rate_c95"))。我认为这将为您提供完全 OP 预期的输出。

【解决方案2】：

这是使用tidyr 的另一种选择：

library(tidyr)
foo %>%
  gather(key, value, -group, -times, -num_users) %>%
  unite(col, key, times) %>%
  spread(col, value)

这给出了：

#  group num_users action_rate_after action_rate_before action_rate_c95_after
#1     a       100              0.15                0.1            0.06962893
#2     b       200              0.18                0.2            0.05297400
#3     c       300              0.35                0.3            0.05369881
#  action_rate_c95_before
#1             0.05850000
#2             0.05515433
#3             0.05159215

【讨论】：

【解决方案3】：

这是一个带有reshape 的base R 选项

reshape(foo, idvar=c("group", "num_users"), timevar="times", direction="wide")
#  group num_users action_rate.before action_rate_c95.before action_rate.after
#1     a       100                0.1             0.05850000              0.15
#3     b       200                0.2             0.05515433              0.18
#5     c       300                0.3             0.05159215              0.35
#  action_rate_c95.after
#1            0.06962893
#3            0.05297400
#5            0.05369881

【讨论】：