Question

我有一个非常大的数据集。它包含超过1000万条记录。使用这么多数据集来应用任何算法都非常困难。所以，我试图重组这个数据集。在我的数据集中，每个客户都有很多记录。现在我试图为每个客户转换一条记录。

这里我代表我的样本模拟数据。

d1<-structure(
        list(userid  = c(64455670203, 64455670203, 64455670203, 64455670203, 64455670203, 64455670204, 64455670204, 64455670204, 64455670204, 64455670204),
             day     = c(1L, 1L, 2L, 3L, 3L, 2L, 2L, 3L, 4L, 4L),
             channel = structure(
                          c(1L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 2L),
                          .Label = c("dsp", "osr"),
                          class = "factor"
                       )
        ),
        .Names    =  c("userid", "day", "channel"),
        class     = "data.frame",
        row.names = c(NA, -10L)
)

现在我打算将以上表示的数据转换如下..

d2<-structure(
    list(csm_id = c(64455670203, 64455670204),
         dsp1   = c(2L, 0L),
         dsp2   = c(1L, 1L),
         dsp3   = c(1L, 0L),
         dsp4   = 0:1,
         ors1   = c(0L, 0L),
         ors2   = 0:1,
         ors3   = c(1L, 1L),
         ors4   = 0:1
    ),
    .Names    = c("csm_id", "dsp1", "dsp2", "dsp3", "dsp4", "ors1", "ors2", "ors3", "ors4"),
    class     = "data.frame",
    row.names = c(NA, -2L)
)

这里我要做的是，首先我在数据集中找到不同的渠道和不同的日子。现在我连接这两个对象（不同的通道和天数），然后将它们用作我的新数据集的列名。

我在R中编写了一个简单的代码但是这非常耗费时间。任何人都可以帮我完成这项任务。

如何在python中执行相同的操作？

提前致谢。

Answer 1

尝试

 dcast(d1, userid~channel+day, value.var='day', drop=FALSE)
 #        userid dsp_1 dsp_2 dsp_3 dsp_4 osr_1 osr_2 osr_3 osr_4
 #1 64455670203     2     1     1     0     0     0     1     0
 #2 64455670204     0     1     0     1     0     1     1     1

如何使用dcast函数转换我的数据集

1 个答案: