R - 重塑長到寬，按兩個變量分組

Question

我有一個名為result的數據框，它有 4 列（x,y, label, NN.idx 和 dist），分別代表觀察在平面中的位置，一個避免 (x,y) 重復的標簽（見下面我的評論）它在另一個數據幀中的最近鄰居的索引以及到它的距離。 備注：每個 (x,y) 組合可能出現 1 到 3 次，如果出現，則通過不同的標簽來區分（例如，第 1,4 行和第 5 行以及下面的示例中）。 另外，請注意，兩個不同的點可能具有相同的標簽，這是我從之前的數據操作中計算出的數量，例如，第 1 行和第 3 行都具有相同的標簽，但它們顯然不代表相同的點 (x,y)。

這是一個例子：

result <- data.frame(x=c(0.147674, 0.235356 ,0.095337, 0.147674, 0.147674, 1.000000, 2.000000), y=c(0.132956, 0.150813, 0.087345, 0.132956, 0.132956, 2.000000, 1.000000), label = c(5,6,5,6,7,3,9), NN.idx =c(4325,2703,21282,3460,12,4,10), dist=c(0.02391247,0.03171236,0.01760940,0.03136304, 0.02315468, 0.01567365, 0.02314860))

head(result)

         x        y        label NN.idx        dist
1 0.147674 0.132956            5   4325  0.02391247
2 0.235356 0.150813            6   2703  0.03171236
3 0.095337 0.087345            5  21282  0.01760940
4 0.147674 0.132956            6   3460  0.03136304
5 0.147674 0.132956            7     12  0.02315468
6 1.000000 2.000000            3      4  5.00000000
7 2.000000 1.000000            9     10 11.00000000

我想要做的是非常有效地將此數據框（實際數據框要大得多）重塑為寬格式，其中每行對應一個唯一的(x,y) 組合，並顯示列 NN.idx_1、NN.idx_2， NN.idx_3、dist_1、dist_2、dist_3 給出原始數據幀中每次出現的 (x,y) 組合的 NN.idx 和 dist（如果 (x,y) 組合只出現兩次或一次，則用 NA 填充）

我對 R 比較data.table ，只知道基礎知識，但我想我可能有一個使用data.table和dcast的解決方案，如下所示：

df <- setDT(result)
df[,NN.counter := 1:.N, by=c("x","y")]
df <- dcast(df, x+y~ NN.counter, value.var=c("NN.idx","dist"))

head(df)

        x        y   NN.idx_1 NN.idx_2 NN.idx_3     dist_1     dist_2     dist_3
1: 0.095337 0.087345    21282       NA       NA 0.01760940         NA         NA
2: 0.147674 0.132956     4325     3460       12 0.02391247 0.03136304 0.02315468
3: 0.235356 0.150813     2703       NA       NA 0.03171236         NA         NA
4: 1.000000 2.000000        4       NA       NA 0.01567365         NA         NA
5: 2.000000 1.000000       10       NA       NA 0.02314860         NA         NA

我的問題如下：我的方法好嗎？ 我不熟悉dcast並且符號x+y ~ NN.counter讓我想知道導致相同和 x+y 的兩個不同點 (x,y) 是否會被認為是不同的（例如，我原來的第 6 行和第 7 行數據幀，其中 x 和 y 顛倒）。 顯然它似乎有效。

有沒有人有更好的方法來處理這個重復的問題，或者我的好嗎？ 另外，我不知道這是否相當快，盡管我讀過data.table非常快。

Answer 1

由於x和y都是numeric ，您可能會遇到基於浮點精度的問題（即R FAQ 7.31和IEEE-754 ）。 雖然它可能有效，但我不知道我會嚴格依賴它（沒有大量驗證）。 在分組和dcast之前強制轉換為固定長度的字符串（例如， sprintf("%0.06f", x) ）可能很有用（為了重塑）。

這是一個解決方法的想法。 （注意：我僅使用magrittr來分解帶有%>%管道的步驟，它不需要運行。）

library(data.table)
library(magrittr)
result <- data.table(x=c(0.147674, 0.235356 ,0.095337, 0.147674, 0.147674, 1.000000, 2.000000), y=c(0.132956, 0.150813, 0.087345, 0.132956, 0.132956, 2.000000, 1.000000), label = c(5,6,5,6,7,3,9), NN.idx =c(4325,2703,21282,3460,12,4,10), dist=c(0.02391247,0.03171236,0.01760940,0.03136304, 0.02315468, 0.01567365, 0.02314860))

result[, c("x_s", "y_s") := lapply(.(x, y), sprintf, fmt = "%0.09f") ]
savexy <- unique(result[, .(x, y, x_s, y_s) ]) # merge back in later with "real" numbers
result2 <- copy(result) %>%
  .[, c("x", "y") := NULL ] %>%
  .[, NN.counter := seq_len(.N), by = c("x_s", "y_s") ] %>%
  dcast(x_s + y_s ~ NN.counter, value.var = c("NN.idx", "dist") ) %>%
  merge(., savexy, by = c("x_s", "y_s"), all.x = TRUE) %>%
  .[, c("x_s", "y_s") := NULL ] %>%
  setcolorder(., c("x", "y"))
result2
#           x        y NN.idx_1 NN.idx_2 NN.idx_3     dist_1     dist_2     dist_3
# 1: 0.095337 0.087345    21282       NA       NA 0.01760940         NA         NA
# 2: 0.147674 0.132956     4325     3460       12 0.02391247 0.03136304 0.02315468
# 3: 0.235356 0.150813     2703       NA       NA 0.03171236         NA         NA
# 4: 1.000000 2.000000        4       NA       NA 0.01567365         NA         NA
# 5: 2.000000 1.000000       10       NA       NA 0.02314860         NA         NA