Question

我有一个很长的数据集我想扩大，我很好奇是否有办法在R中使用reshape2或tidyr包一步完成所有这些。

数据框df如下所示：

id  type    transactions    amount
20  income       20          100
20  expense      25          95
30  income       50          300
30  expense      45          250

我想谈谈这个问题：

id  income_transactions expense_transactions    income_amount   expense_amount
20       20                           25                 100             95
30       50                           45                 300             250

我知道我可以通过例如reshape2来获得部分路径：

dcast(df, id ~  type, value.var="transactions")

但有没有办法一次性重塑整个df，同时解决“交易”和“金额”变量？理想情况下，使用新的更合适的列名称？

Answer 1

在“reshape2”中，您可以使用recast（虽然根据我的经验，这不是一个广为人知的功能）。

library(reshape2)
recast(mydf, id ~ variable + type, id.var = c("id", "type"))
#   id transactions_expense transactions_income amount_expense amount_income
# 1 20                   25                  20             95           100
# 2 30                   45                  50            250           300

您还可以使用基础R reshape：

reshape(mydf, direction = "wide", idvar = "id", timevar = "type")
#   id transactions.income amount.income transactions.expense amount.expense
# 1 20                  20           100                   25             95
# 3 30                  50           300                   45            250

或者，您可以melt和dcast，就像这样（此处带有“data.table”）：

library(data.table)
library(reshape2)
dcast.data.table(melt(as.data.table(mydf), id.vars = c("id", "type")), 
                 id ~ variable + type, value.var = "value")
#    id transactions_expense transactions_income amount_expense amount_income
# 1: 20                   25                  20             95           100
# 2: 30                   45                  50            250           300

来自“data.table”（1.9.8）you will be able to do this directly的dcast.data.table的更高版本。如果我理解正确的话，@ Arrun试图实现的是在不首先获得melt数据的情况下进行重新整形，这就是目前recast发生的事情，melt本质上是dcast的包装器。 1}} + tidyr操作序列。

而且，为了彻底，这是library(dplyr) library(tidyr) mydf %>% gather(var, val, transactions:amount) %>% unite(var2, type, var) %>% spread(var2, val) # id expense_amount expense_transactions income_amount income_transactions # 1 20 95 25 100 20 # 2 30 250 45 300 50方法：

{{1}}

Answer 2

使用data.table v1.9.6 +，我们可以同时投射多个value.var列（并且还在fun.aggregate中使用多个聚合函数）。有关详情，请参阅?dcast以及示例部分。

require(data.table) # v1.9.6+
dcast(dt, id ~ type, value.var=names(dt)[3:4])
#    id transactions_expense transactions_income amount_expense amount_income
# 1: 20                   25                  20             95           100
# 2: 30                   45                  50            250           300

一次重塑多个值

2 个答案: