Question

我一直在尝试学习R一段时间，但还没有把我的知识提升到一个不错的水平。我最终会到达那里，但是我现在处于紧张状态，并且想知道你是否可以帮我做一个快速的“转型”型。

我有一个包含1800万行的csv数据文件，其中包含以下数据字段：人员ID，日期和值。它基本上来自模拟模型，并模拟一个人对其储蓄账户的贡献，例如：

1,28/02/2013,19.49
2,13/03/2013,16.68
3,15/03/2013,20.34
2,10/01/2014,28.43
3,12/06/2014,38.13
1,29/08/2014,68.46
1,20/12/2013,20.51

因此，正如您所看到的，数据中可能有多个ID，但每个人的日期和贡献金额都是唯一的。

我想改变这一点，所以每个人都有一年的贡献历史。例如，上述内容将成为：

ID,2013,2014
1,40.00,68.46
2,16.68,28.43
3,20.34,38.13

我对如何处理问题有一个大概的想法：用年份创建另一列数据，然后按ID和年汇总，以添加适合每个ID /年桶的所有贡献。我不知道如何开始将其翻译成R剧本。

任何指针/指导都会非常感激。

非常感谢和亲切的问候。

Answer 1

以下是一些可能性：

zoo package中的

动物园套餐 read.zoo可以为每个系列生成一个多变量时间序列，即每个ID一列。我们定义yr以从索引列获取年份，然后在我们阅读时使用split=参数拆分ID。我们使用aggregate=sum聚合其余列 - 这里只有一个。我们使用text = Lines来保持下面的代码自包含但是使用真实文件我们会用"myfile"代替它。最后一行转换结果。如果可以让人员在列而不是行中，我们可以删除该行。

Lines <- "1,28/02/2013,19.49
2,13/03/2013,16.68
3,15/03/2013,20.34
2,10/01/2014,28.43
3,12/06/2014,38.13
1,29/08/2014,68.46
1,20/12/2013,20.51
"
library(zoo)

# given a Date string, x, output the year
yr <- function(x) floor(as.numeric(as.yearmon(x, "%d/%m/%Y")))

# read in data, reshape & aggregate
z <- read.zoo(text = Lines, sep = ",", index = 2, FUN = yr,  
   aggregate = sum, split = 1)     

# transpose (optional)  
tz <- data.frame(ID = colnames(z), t(z), check.names = FALSE)

根据发布的数据，我们得到以下结果：

> tz
  ID  2013  2014
1  1 40.00 68.46
2  2 16.68 28.43
3  3 20.34 38.13

请参阅?read.zoo以及zoo-read插图。

reshape2包以下是使用reshape2包的第二个解决方案：

library(reshape2)

# read in and fix up column names and Year

DF <- read.table(text = Lines, sep = ",") ##
colnames(DF) <- c("ID", "Year", "Value") ##
DF$Year <- sub(".*/", "", DF$Year) ##

dcast(DF, ID ~ Year, fun.aggregate = sum, value.var = "Value")

结果是：

  ID  2013  2014
1  1 40.00 68.46
2  2 16.68 28.43
3  3 20.34 38.13

重塑功能这是一个不使用任何插件包的解决方案。首先使用最后一个解决方案中标记为##的三行读取数据。这将产生DF。然后聚合数据，将其从长形式转换为宽形式，最后修复列名称：

Ag <- aggregate(Value ~., DF, sum)
res <- reshape(Ag, direction = "wide", idvar = "ID", timevar = "Year")
colnames(res) <- sub("Value.", "", colnames(res))

产生这个：

> res
  ID  2013  2014
1  1 40.00 68.46
2  2 16.68 28.43
3  3 20.34 38.13

tapply功能。此解决方案也不使用插件包。使用上一个解决方案中的Ag，请尝试以下操作：

tapply(Ag$Value, Ag[1:2], sum)

更新：小改进和3个额外的解决方案。

Answer 2

您描述的方法是合理的。可以使用strptime和strftime（可能as.POSIXct来完成从字符串到日期和之后来回转换日期字符串。一旦有year列，就可以使用R中提供了许多工具，例如data.table，by或ddply。我喜欢上一个的语法：

library(plyr)
ddply(df, .(ID, year), summarise, total_per_year = sum(value))

这假定您的基准日期位于df，并且数据中的列称为year，ID和value。请注意，对于大型数据集ddply可能变得非常慢。如果您确实需要原始性能，那么您肯定希望开始使用data.table。

R统计中的简单数据透视表类型转换

2 个答案: