将数据从长格式更改为宽格式

Question

我正在寻找从长格式到宽格式重塑数据的快速方法。 现在，我已经尝试了使用嵌套嵌套循环的代码，尽管工作已完成，但是生成输出仍需要很长时间。

SN NN EE Service_tier
A  B  C  economy
B  C  C  economy
P  Q  R  regular
Q  S  R  regular
S  R  R  regular
H  I  L  economy
I  J  L  economy
J  K  L  economy
K  L  L  economy

预期的输出如下

SN hop1 hop2 hop3 hop4 service_tier
A   B    C              economy
P   Q    S    R         regular
H   I    J    K    L    economy

目前，以下代码可以完成工作。 确保有一种有效且干净的方法来执行此操作。

for (i in 1:lasrow){
  sn <- raw_d[i,1]
  nn <- raw_d[i,2]
  en <- raw_d[i,3]

  lc <- 1

  if(nn == en){
    d[lr,lc]<-sn
    d[lr,lc+1]<-nn
    d[lr,lc+2]<-en
    lr <- lr+1
  }
  else{
    while(nn!=en){
      d[lr,lc]<-sn
      lc <- lc+1
      next_d <- filter(raw_d,raw_d$SN==sn,raw_d$EN==en)
      if(dim(next_d)[1]==0){
        d[lr,lc]<-"broken bf"
        lc <- lc+1
        break
      }else{
        sn <- next_d$NN
        nn <- next_d$NN
        }
      }
    d[lr,lc]<-en
    lr<-lr+1
  }
}

Answer 1

一种选择是创建采用了独特的序列rleid从data.table ， gather数据帧，以长格式，从每个组中删除重复项，指定列名和spread回宽幅。

library(dplyr)
library(tidyr)

df %>%
  mutate(row = data.table::rleid(Service_tier)) %>%
  gather(key, value, -Service_tier, -row) %>%
  group_by(row) %>%
  filter(!duplicated(value)) %>%
  mutate(key = c("SN", paste0("hop", 1:(n() - 1)))) %>%
  spread(key, value) %>%
  ungroup() %>%
  select(-row) %>%
  select(SN, starts_with("hop"), Service_tier)

# A tibble: 3 x 6
#  SN    hop1  hop2  hop3  hop4  Service_tier
#  <chr> <chr> <chr> <chr> <chr> <fct>       
#1  A     B     C     NA    NA    economy     
#2  H     I     J     K     L     economy     
#3  P     Q     S     R     NA    regular    

Answer 2

我们可以使用data.table 。 将'data.frame'转换为'dat.table'（ setDT(df1) ，按'Service_tier'上的rleid分组，将'SN'的值更改为按'grp'分组的first元素，然后按'Service_tier'分组，“ SN”，获取Data.table子集的unique元素，并将dcast从“长”格式转换为“宽”格式

library(data.table)
dcast(setDT(df1)[, SN := first(SN), rleid(Service_tier)][, 
    unique(unlist(.SD)), .(SN, Service_tier)], 
    SN + Service_tier ~ paste0("hop", rowid(SN)), value.var = "V1", fill = "")
#  SN Service_tier hop1 hop2 hop3 hop4
#1:  A      economy    B    C          
#2:  H      economy    I    J    K    L
#3:  P      regular    Q    S    R     

数据

df1 <- structure(list(SN = c("A", "B", "P", "Q", "S", "H", "I", "J", 
"K"), NN = c("B", "C", "Q", "S", "R", "I", "J", "K", "L"), EE = c("C", 
"C", "R", "R", "R", "L", "L", "L", "L"), Service_tier = c("economy", 
"economy", "regular", "regular", "regular", "economy", "economy", 
"economy", "economy")), class = "data.frame", row.names = c(NA, 
-9L))

Answer 3

这里的关键点是确定哪些行属于哪个组。 通过这些问题的答案Ronak和akrun都使用rleid(Service_tier)假设在一个变化Service_tier指示开始新的一批。

样本数据集可能会建议这样做，但不能认为是保证的。 恕我直言， Service_tier而是一个属性而不是一个键。 实际上，OP正在他的代码段中测试NN == EE以切换到新组。

在下面的data.table解决方案中，分组由cumsum(shift(NN == EE, fill = TRUE))确定，该cumsum(shift(NN == EE, fill = TRUE))测试NN和EE相等性，将结果滞后到下一行开始的下一行，并枚举通过使用cumsum()计数为TRUE来cumsum() 。

在简化版本中（不进行重塑），跃点由toString()函数聚合：

library(data.table)
setDT(d)[, .(SN = first(SN), hops = toString(NN), Service_tier = first(Service_tier)), 
  by = .(grp = cumsum(shift(NN == EE, fill = TRUE)))][]

  grp SN hops Service_tier 1: 1 AB, C economy 2: 2 PQ, S, R regular 3: 3 HI, J, K, L economy 

为了从长格式转换为宽格式，使用了dcast() ：

library(data.table)
library(magrittr)   # piping used to improve readability
w <- setDT(d)[, .(SN = first(SN), hops = NN, Service_tier = first(Service_tier)), 
  by = .(grp = cumsum(shift(NN == EE, fill = TRUE)))] %>% 
  dcast(grp + ... ~ rowid(grp, prefix = "hop"), value.var = "hops", fill = "")  %>%  
  setcolorder(c(1:2, 4:ncol(.), 3))

w

  grp SN hop1 hop2 hop3 hop4 Service_tier 1: 1 ABC economy 2: 2 PQSR regular 3: 3 HIJKL economy 

setcolorder()用于按OP期望的顺序重新排列列。 这是就地完成的 ，即，无需复制整个数据对象。

数据

library(data.table)

d <- fread("SN NN EE Service_tier
A  B  C  economy
B  C  C  economy
P  Q  R  regular
Q  S  R  regular
S  R  R  regular
H  I  L  economy
I  J  L  economy
J  K  L  economy
K  L  L  economy")