在数据框 R 中动态创建列并根据其他列条件填充

Question

我是 R 的初学者。
我有一个这样的数据框 -

df <- data.frame(CustomerID = c(1, 1, 2, 2, 2, 3, 3)
                , ProductPurchased = c('A', 'B', 'B', 'A', 'C', 'C', 'B')
                    , PurchaseNumber = c(1, 2, 1, 2, 3, 1, 2))

df
CustomerID ProductPurchased PurchaseNumber
1                A              1
1                B              2
2                B              1
2                A              2
2                C              3
3                C              1
3                B              2

PurchaseNumber 表示第 n 次购买。 Ex - 1 表示第一次购买，2 表示第二次购买等。

我想添加一个名为“FirstPurchase”的列，它将为该客户首次填充 ProductPurchased

CustomerID ProductPurchased PurchaseNumber  FirstPurchase
1                A              1               A
1                B              2               A
2                B              1               B
2                A              2               B
2                C              3               B
3                C              1               C
3                B              2               C

下一步 - 我想看看我是否可以阅读 MAX(PurchaseNumber) 并以此为基础 动态创建那么多列，每列都应该有为此购买的产品 客户。
Ex - 因为这里的 Max(PurchaseNumber) 是 3。它应该像这样创建 3 列（不用担心将它们命名为 First、Second、Third） -

CustomerID ProductPurchased PurchaseNumber  FirstPurchase   SecondPurchase      ThirdPurchase
1                A              1               A               B               NA
1                B              2               A               B               NA
2                B              1               B               A               C
2                A              2               B               A               C
2                C              3               B               A               C
3                C              1               C               B               NA
3                B              2               C               B               NA

我确实对 data.table 做了一些尝试 -

dt <- data.table(df)

# this will give CustomerID and their first purchase
dt[PurchaseNumber == 1, 2, with = FALSE]

但是如何将它们应用于其余列？

感谢任何帮助。即使是我应该研究什么包的指针也会非常有帮助。

谢谢。

Answer 1

这是一口，但您可以尝试以下方法：

library(splitstackshape)
DT <- as.data.table(df)
dcast(
  getanID(
    expandRows(DT[, count := max(PurchaseNumber), by = CustomerID], "count"), 
    c("CustomerID", "PurchaseNumber")),
  CustomerID + .id ~ PurchaseNumber, value.var = "ProductPurchased")
#    CustomerID .id 1 2  3
# 1:          1   1 A B NA
# 2:          1   2 A B NA
# 3:          2   1 B A  C
# 4:          2   2 B A  C
# 5:          2   3 B A  C
# 6:          3   1 C B NA
# 7:          3   2 C B NA

不过，这似乎是很多冗余数据。

---

涉及的步骤：

1. 添加一列，按 CustomerID 指示最大计数。
2. 使用我的“splitstackshape”包中的expandRows 来延长您的data.table。
3. 使用getanID 创建一个按CustomerID 和PurchaseNumber 分组的新指标变量。
4. 使用dcast 加宽刚刚创建的长data.table。

Answer 2

我认为你最好的选择是tidyr:

library(tidyr)
spread(df, PurchaseNumber, ProductPurchased)

# CustomerID 1 2    3
# 1          1 A B <NA>
# 2          2 B A    C
# 3          3 C B <NA>