[英]Reshape and combine data from long to wide format with R
我有看起来像这样的数据:
Customer.Name Posting.Date SKU Sales.Amount($)
A 20150124 SKU1 12345
B 20150125 SKU2 22345
A 20150124 SKU3 52345
A 20150125 SKU4 55345
C 20150126 SKU6 62345
B 20150127 SKU7 72345
C 20150126 SKU8 72945
我正在尝试将其转换为以下没有列名称的结构:-临时数据结构:-
A 20150124 SKU1 SKU 3
A 20150125 SKU4
B 20150125 SKU2
C 20150126 SKU6 SKU8
B 20150127 SKU7
临时输出按过帐日期排序,作为客户级别交易的一部分购买的每个SKU(由客户名称+过帐日期标识)都需要转换为列。
最终数据结构(如下所示)仅需要包含在交易中购买的SKU,而客户名称和过帐日期列将从上面的临时输出中删除。
SKU1 SKU3
SKU4
SKU2
SKU6 SKU8
SKU7
我尝试了以下代码来获取最终结构,但出现错误。
library(dplyr)
library(tidyr)
Dataset2 <- Data %>%
group_by(Customer.Name, Posting.Date) %>%
summarise(SKU=toString(unique(SKU))) %>%
select(Customer.Name, Posting.Date,SKU) %>%
spread(Customer.Name,SKU,drop=FALSE)
我得到的错误是
错误:必须命名每个变量。 问题变量:2
您能指导如何解决这个问题吗?
这是一个尝试。 它具有列名,尽管以后可以根据需要将其丢弃。
df <- data.frame(
V1=c( "A", "B", "A", "A", "C", "B", "C" ),
V2=c(20150124, 20150125, 20150124, 20150125, 20150126, 20150127, 20150126 ),
V3=c( "SKU1", "SKU2", "SKU3", "SKU4", "SKU6", "SKU7", "SKU8" ),
V4=c( 12345, 22345, 52345, 55345, 62345, 72345, 72945 ),
stringsAsFactors = FALSE
)
我从您的问题推断出第四列是不必要的,因此将其删除。
library(dplyr)
library(tidyr)
out1 <- df %>%
select(-V4) %>%
group_by(V1, V2) %>%
mutate(row = row_number()) %>%
spread(row, V3) %>%
ungroup()
out1
# # A tibble: 5 × 4
# V1 V2 `1` `2`
# * <chr> <dbl> <chr> <chr>
# 1 A 20150124 SKU1 SKU3
# 2 A 20150125 SKU4 <NA>
# 3 B 20150125 SKU2 <NA>
# 4 B 20150127 SKU7 <NA>
# 5 C 20150126 SKU6 SKU8
out1 %>% select(-V1, -V2)
# # A tibble: 5 × 2
# `1` `2`
# * <chr> <chr>
# 1 SKU1 SKU3
# 2 SKU4 <NA>
# 3 SKU2 <NA>
# 4 SKU7 <NA>
# 5 SKU6 SKU8
最好使用没有特殊字符的列名。 如果我们删除它
colnames(Data)[4] <- "Sales.Amount"
OP的代码工作正常
Dataset2
# A tibble: 4 × 4
# Posting.Date A B C
#* <int> <chr> <chr> <chr>
#1 20150124 SKU1, SKU3 <NA> <NA>
#2 20150125 SKU4 SKU2 <NA>
#3 20150126 <NA> <NA> SKU6, SKU8
#4 20150127 <NA> SKU7 <NA>
甚至使用它,在tidyr_0.6.0
和dplyr_0.5.0
上也能正常工作
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.