将dataframe列值映射为n乘n矩阵

Question

我试图将一个data.frame对象(由161个国家之间的大量双边贸易数据组成)的列值映射到一个161 x 161邻接矩阵(也属于data.frame类)，以便每个单元格表示任意两个国家之间的并进贸易流。

数据如下所示

# load the data from dropbox folder
library(foreign)
example_data <- read.csv("https://www.dropbox.com/s/hf0ga22tdjlvdvr/example_data.csv?dl=1")

head(example_data, n = 10)
   rid pid TradeValue
1    2   3        500
2    2   7       2328
3    2   8    2233465
4    2   9      81470
5    2  12     572893
6    2  17     488374
7    2  19    3314932
8    2  23      20323
9    2  25         10
10   2  29    9026220

length(unique(example_data$rid))
[1] 139
length(unique(example_data$pid))
[1] 161

在rid是记者id的地方，pid是(贸易)合作伙伴id，一个国家的rid和pid是相同的。rid列中相同的id与pid列中的多行在TradeValue方面相匹配。

但是，这些数据也存在一些问题。首先，由于没有报告贸易统计数据的国家(通常是发展中国家)没有需要提取的数据，因此在rid栏(如国家1)中没有它们的id。另一方面，这些国家可以通过其他国家的报告进入pid栏(在这种情况下，记者往往是发达国家)。因此，rid列只包含一些国家id (161个国家中只有139个)，而pid列拥有全部161个国家id。

我想要做的是将这个example_data数据映射到一个161x161邻接矩阵，使用rid表示行，pid表示列，其中每个单元格表示任意两个国家id之间的TradeValue。为此，有几件事我需要解决：

1. 填充rid列中缺少的国家id(s)，并暂时将其各自行中的所有单元格值设置为0。
2. 在前面的步骤中，使用其他国家报告的双边贸易统计数据对这些"0“单元进行估算；如果仍然无法获得相应的统计数据，则将这些"0”单元格保持不变。

例如，对于以下形式的5国数据

rid pid TradeValue
2   1   50
2   3   45
2   4   7
2   5   18
3   1   24
3   2   45
3   4   88
3   5   12
5   1   27
5   2   18
5   3   12
5   4   92

所需的输出应该如下所示

     pid_1  pid_2   pid_3   pid_4   pid_5
rid_1    0    50      24        0      27
rid_2   50     0      45        7      18
rid_3   24    45       0       88      12
rid_4    0     7      88        0      92
rid_5   27    18      12       92       0

但最重要的是，我想不出该怎么做。如果有人能在这件事上帮我，我会很感激的。

Answer 1

df1$rid = factor(df1$rid, levels = 1:5, labels = paste("rid",1:5,sep ="_"))
df1$pid = factor(df1$pid, levels = 1:5, labels = paste("pid",1:5,sep ="_"))

data.table::dcast(df1, rid ~ pid, fill = 0, drop = FALSE, value.var = "TradeValue")

#    rid pid_1 pid_2 pid_3 pid_4 pid_5
#1 rid_1     0     0     0     0     0
#2 rid_2    50     0    45     7    18
#3 rid_3    24    45     0    88    12
#4 rid_4     0     0     0     0     0
#5 rid_5    27    18    12    92     0

秘密/诀窍：

• 使用因子变量来告诉R什么值是可能的，以及顺序。
• 在data.tables dcast中，使用fill = 0 (在没有任何数据的地方填充零)，drop = FALSE (为未观察到的因素级别输入条目)