使用dcast重塑数据？

Question

我不知道使用dcast()是否正确，但我想重塑以下data.frame：

df <- data.frame(x=c("p1","p1","p2"),y=c("a","b","a"),z=c(14,14,16))
df
   x y  z
1 p1 a 14
2 p1 b 14
3 p2 a 16

所以看起来就像这个：

df2 <- data.frame(x=c("p1","p2"),a=c(1,1),b=c(1,0),z=c(14,16))
   x a b  z
1 p1 1 1 14
2 p2 1 0 16

应该破坏df中的变量df，以便它的元素是新变量，每个虚拟编码变量。所有其他变量(在本例中仅为z)对于每个人(p1、p2等)是相等的。特定人p具有不同值的唯一变量是y。

我之所以需要这样做，是因为我需要通过变量x将此数据集与其他数据集合并。问题是，它需要每人一行(p1、p2等)。

Answer 1

这几乎是一个previous question的复制，我在那里使用的相同的基本答案再次起作用。也不需要任何外部包。

aggregate(model.matrix(~ y - 1, data=df),df[c("x","z")],max)

   x  z ya yb
1 p1 14  1  1
2 p2 16  1  0

为了解释这一点，由于看起来有点奇怪，model.matrix调用在其最基本的位置为data.frame的每一行返回一个二进制指示符变量，如下所示：

  ya yb
1  1  0
2  0  1
3  1  0

如果通过两个id变量(x和z)对中间结果进行操作，那么实际上是对以下两个变量的初始data.frame进行操作：

   x  z ya yb
1 p1 14  1  0
2 p1 14  0  1
3 p2 16  1  0

因此，如果在max和z的每个组合中取ya和yb的yb值，那么基本上是这样的：

   x  z ya      yb
1 p1 14  1*max*  0
2 p1 14  0       1*max*

--collapse--

   x  z ya      yb
1 p1 14  1       1

...and对每个唯一的x/z组合重复这一步骤，以给出最终结果：

   x  z ya yb
1 p1 14  1  1
2 p2 16  1  0

把它推广到更多的专栏有些疯狂，但这是可以做到的，这要归功于this question，例如：

df <- data.frame(x=c("p1","p1","p2"),y=c("a","b","a"),z=c("14","15","16"))
intm <- model.matrix(~ y + z - 1, data=df,
                 contrasts.arg = sapply(df[2:3], contrasts, contrasts=FALSE))
aggregate(intm,df[c("x")],max)

   x ya yb z14 z15 z16
1 p1  1  1   1   1   0
2 p2  1  0   0   0   1

Answer 2

以下的工作，但似乎繁琐。

df2 <- df
df2$y <- as.numeric(y)
df$y2 <- as.numeric(df$y)

df2 <- dcast(df, x+z~y, value.var="y2")

df2
   x  z a  b
1 p1 14 1  2
2 p2 16 1 NA

Answer 3

我不确定您需要做什么，但是如果您需要一种自动化的方法，我编写了一个小函数，它可能会有帮助：

第一次运行dcast：

new = dcast(df, x+z~y, value.var="y")

加载到您的R环境：

 # args to be passed: 
 # df is your dataframe 
 # cols is a list of format c("colname1", "colname2", ... , "colnameN")
    binarizeCols = function(df, cols){
      for(i in cols){
        column = which(colnames(df) == i)
        truthRow = is.na(df[,column])
        for(j in 1:length(truthRow)){
          if(truthRow[j] == FALSE){
            df[j,column] = 1
          }else{
             df[j,column] = 0
           }
        }
      }
      return(df)
    }

然后跑：

new = binarizeCols(new, c("a", "b"))

你得到的是：

     x  z  a  b
   1 p1 14 1  1 
   2 p2 16 1  0

不像使用_apply()那么快，但是没有硬编码，您可以输入任何你想要的名字(也许你想在中间跳过一个？)而且您也不会创建df的新实例。注意:我使用"=“而不是"<-”，因为我认为它正在逐步淘汰，但是如果需要的话可以替换它们。