R:为什么我会用spread()丢失数据？

Question

我有一个tibble，看起来像这样。

# A tibble: 1,000 x 3
   id                 question                               answer                                                          
   <chr>                  <chr>                                <chr>                                                                     
 1 aaa               What is your favorite color?                Green                                                                        
 2 aaa               What is your favorite band?                 Green Day                                                       
 3 aaabb             What is your favorite color?                Blue                                                                                
 4 aaabb             What is your favorite band?                Blue            
 5 ccc               What is your favorite color?                Blue                                                                        
 6 ccc               What is the difference between you and me?  Five bank accounts                                             
# ... with more rows

我想把它扩展成一个宽的数据框架。我用了这段代码。

aTibble %>% distinct() %>%  spread(question, answer)

但是，我最终得到了一个充满空行的数据框。

  # A tibble: 1,000 x 3
       id                 V1              What is your favorite color?   What is your favorite band?   What is the difference between you and me?                                                 
     1 aaa                               NA                              NA                            NA                                                        
     2 aaa                               NA                              NA                            NA                         
     3 aaabb                             NA                              NA                            NA                                                
     4 aaabb                             NA                              NA                            NA
     5 ccc                               NA                              NA                            NA                                          
     6 ccc                               NA                              NA                            NA               
    # ... with more rows

在最初的tibble中，一些行有ID，然后问题和答案为null。单个ID没有重复的问题。也就是说，不同的ID可以回答不同的问题，它们并不都有相同的问题。

另外，我没有写V1行，这也不在我最初的tibble中。它出现在排列后()。

令人沮丧的是，当我在一个小数据集上执行这个函数时，它工作得很好。当我对整个数据集(大约150K条记录)执行该函数时，我得到NAs。

Answer 1

很难理解为什么这不起作用。从reshape2中使用dcast是一个很好的选择。你也可以达到同样的效果。

aTibble %>% distinct() %>% dcast(id ~ question, value.var = "answer")