提迪爾（tidyr）的文檔表明，收集和傳播是可傳遞的，但以下帶有“ iris”數據的示例顯示它們不是，但不清楚原因。任何澄清將不勝感激iris.df = as.data.frame(iris)long.iris.df = iris.df %>% gather(key = feature.measure, value = size, -Species)w.iris.df = long.iris.df %>% spread(key = feature.measure, value = size, -Species)我希望數據框“ w.iris.df”與“ iris.df”相同，但收到以下錯誤：“錯誤：行的重復標識符（1、2、3、4、5、6、7、8、9 ...”我的一般問題是如何在這種數據集上反轉“收集”的應用程序。
2 回答
肥皂起泡泡
TA貢獻1829條經驗 獲得超6個贊
毫無疑問，Hadley的干預是完美的……但是在那之后我最終對語法有所懷疑……所以，就其價值而言，我發布了完整的操作代碼（對不起，我的語法與上面有些不同）：
library(tidyr)
library(dplyr)
wide <-
iris %>%
mutate(row = row_number()) %>%
gather(vars, val, -Species, -row) %>%
spread(vars, val)
head(wide)
# Species row Petal.Length Petal.Width Sepal.Length Sepal.Width
# 1 setosa 1 1.4 0.2 5.1 3.5
# 2 setosa 2 1.4 0.2 4.9 3.0
# 3 setosa 3 1.3 0.2 4.7 3.2
# 4 setosa 4 1.5 0.2 4.6 3.1
# 5 setosa 5 1.4 0.2 5.0 3.6
# 6 setosa 6 1.7 0.4 5.4 3.9
head(iris)
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1 5.1 3.5 1.4 0.2 setosa
# 2 4.9 3.0 1.4 0.2 setosa
# 3 4.7 3.2 1.3 0.2 setosa
# 4 4.6 3.1 1.5 0.2 setosa
# 5 5.0 3.6 1.4 0.2 setosa
# 6 5.4 3.9 1.7 0.4 setosa
他們是一樣的...。只要您覺得喜歡就需要重新排序...
wide <- wide[,c(3, 4, 5, 6, 1)] ## Reorder and then remove "row" column
并做了。
開心每一天1111
TA貢獻1836條經驗 獲得超13個贊
由于先前的答案可能還不夠清楚，因此gather您在嘗試執行時會表現出自己的問題spread。
問題在于，在收集過程中，您將丟失對哪個數據feature.measure屬于原始數據幀中的哪一行的了解，因此spread不知道如何再次將各個值組合到“寬”表中。
iris.df = as.data.frame(iris)
long.iris.df = iris.df %>%
tibble::rowid_to_column() %>%
gather(key = feature.measure, value = size, -Species, -rowid)
#> rowid Species feature.measure size
#> 1 1 setosa Sepal.Length 5.1
#> 2 2 setosa Sepal.Length 4.9
#> 3 3 setosa Sepal.Length 4.7
#> 4 4 setosa Sepal.Length 4.6
#> 5 5 setosa Sepal.Length 5.0
#> 6 6 setosa Sepal.Length 5.4
現在，其中的每個值都會size保留其值，rowid因此您始終可以將其重新組合到寬數據集（刪除不必要的rowid）：
w.iris.df = long.iris.df %>%
spread(key = feature.measure, value = size) %>%
select(-rowid)
head(w.iris.df)
#> Species Petal.Length Petal.Width Sepal.Length Sepal.Width
#> 1 setosa 1.4 0.2 5.1 3.5
#> 2 setosa 1.4 0.2 4.9 3.0
#> 3 setosa 1.3 0.2 4.7 3.2
#> 4 setosa 1.5 0.2 4.6 3.1
#> 5 setosa 1.4 0.2 5.0 3.6
#> 6 setosa 1.7 0.4 5.4 3.9
- 2 回答
- 0 關注
- 504 瀏覽
添加回答
舉報
0/150
提交
取消