我有一個很長的數據集，我想擴大范圍，我很好奇是否有一種方法可以使用R中的reshape2或tidyr包一步完成所有這些工作。數據框df如下所示：id type transactions amount20 income 20 10020 expense 25 9530 income 50 30030 expense 45 250我想得到這個：id income_transactions expense_transactions income_amount expense_amount20 20 25 100 9530 50 45 300 250我知道我可以通過例如reshape2來實現這一目標：dcast(df, id ~ type, value.var="transactions")但是，是否有一種方法可以一次處理“交易”和“金額”變量，從而一次重塑整個df？理想情況下，使用新的更合適的列名？
2 回答
開心每一天1111
TA貢獻1836條經驗 獲得超13個贊
在“ reshape2”中，您可以使用recast（盡管根據我的經驗，這不是眾所周知的功能）。
library(reshape2)
recast(mydf, id ~ variable + type, id.var = c("id", "type"))
# id transactions_expense transactions_income amount_expense amount_income
# 1 20 25 20 95 100
# 2 30 45 50 250 300
您還可以使用基數R reshape：
reshape(mydf, direction = "wide", idvar = "id", timevar = "type")
# id transactions.income amount.income transactions.expense amount.expense
# 1 20 20 100 25 95
# 3 30 50 300 45 250
或者，你可以melt和dcast，像這樣的（這里“data.table”）：
library(data.table)
library(reshape2)
dcast.data.table(melt(as.data.table(mydf), id.vars = c("id", "type")),
id ~ variable + type, value.var = "value")
# id transactions_expense transactions_income amount_expense amount_income
# 1: 20 25 20 95 100
# 2: 30 45 50 250 300
在dcast.data.table“ data.table”（1.9.8）的更高版本中，您將可以直接執行此操作。如果我正確理解的話，@ Arun嘗試實現的內容將是在無需首先melt獲取數據的情況下進行重塑，這就是當前發生的情況recast，本質上是melt+ dcast操作序列的包裝。
而且，為徹底起見，這里是tidyr方法：
library(dplyr)
library(tidyr)
mydf %>%
gather(var, val, transactions:amount) %>%
unite(var2, type, var) %>%
spread(var2, val)
# id expense_amount expense_transactions income_amount income_transactions
# 1 20 95 25 100 20
# 2 30 250 45 300 50
慕標琳琳
TA貢獻1830條經驗 獲得超9個贊
使用data.table v1.9.6 +，我們可以value.var同時轉換多個列（并在中使用多個聚合函數fun.aggregate）。請查看?dcast更多信息以及示例部分。
require(data.table) # v1.9.6+
dcast(dt, id ~ type, value.var=names(dt)[3:4])
# id transactions_expense transactions_income amount_expense amount_income
# 1: 20 25 20 95 100
# 2: 30 45 50 250 300
添加回答
舉報
0/150
提交
取消