（不）整理大小不等且变量重复的数据集答案

【问题标题】：(Un)tidy a dataset with unequal sizes and duplicate variables（不）整理大小不等且变量重复的数据集
【发布时间】：2016-08-12 21:07:52
【问题描述】：

我有一个如下所示的数据集：

df <- data.frame(
    x = c(rep("A", 3), rep("B", 2)), 
    y = c(1, 2, 6, 8, 3)
)

我需要（不）整理它，使它看起来像这样：

df_new <- data.frame(
    A = c(1, 2, 6),
    B = c(8, 3, NA)
)

tidyr::spread 抛出重复值错误....

【问题讨论】：

大多数人会认为您的数据按原样整洁，而您对它所做的事情是“不整洁的”，
哈。我猜你是对的。那我需要整理一下吗？

标签： r tidyr

【解决方案1】：

tidyr（据我所知）不会让您在没有 ID 列的情况下执行此操作。所以我们先添加，然后传播：

library(dplyr)
library(tidyr)

df %>% group_by(x) %>% 
    mutate(id = 1:n()) %>%
    spread(key = x, value = y, fill = NA)
# # A tibble: 3 x 3
#      id     A     B
# * <int> <dbl> <dbl>
# 1     1     1     8
# 2     2     2     3
# 3     3     6    NA

如果您愿意，当然可以删除末尾的 id 列。

【讨论】：

该死的。我刚想通，但你打败了我。无论如何，您的解决方案要优雅得多。谢谢！
1:n() 可能更短，但 row_number() 更具可读性；-)

【解决方案2】：

我们可以使用base R 和unstack 来创建list，然后在末尾填充NA 以使每个list 元素的长度相同并转换为data.frame

lst <- unstack(df, y~x)
data.frame(lapply(lst, `length<-`, max(lengths(lst))))
#  A  B
#1 1  8
#2 2  3
#3 6 NA

或者如果我们使用一个包，一个紧凑的选项会是

library(stringi)
stri_list2matrix(split(df$y, df$x))

输出将是字符串，可以更改为numeric

【讨论】：

【解决方案3】：

使用 dplyr、tidyr::complete、::spread

df_new <- df %>%
    group_by(x) %>% 
    mutate(index = row_number()) %>% 
    complete(index = 1:max(index)) %>% 
    spread(x, y, fill = NA) %>% 
    select(-index)

【讨论】：