Question

我在下面给出了一个data.frame。我试图将它从长格式转移到宽格式。使用传播列为日期。使用tidyr包中的扩散函数会出现两个问题：

数据填充NA
月份按字母顺序排序

那我怎么去

30-Apr-2015 632.95
28-May-2015 532.95
25-Jun-2015 232.95

到

30-Apr-2015 28-May-2015 25-Jun-2015
632.95      532.95      232.95

相反，我最终在

30-Apr-2015 25-Jun-2015 28-May-2015 
632.95      NA      232.95
NA          232.95  NA
NA          NA      532.95

实际日期并不重要，但是它们的相对排序事项，即最近的月份数据应该按顺序进入第一列，然后是其他两个月的数据。这是必要的，因为我在结果

上使用rbind

我试过的代码

data = tidyr::spread(data, key = EXPIRY_DT, value = CHG_IN_OI)
colnames(data)[3:5] = c('Month1', 'Month2', 'Month3')

data.frame如下所示：

data = structure(list(SYMBOL = c("A", "A", "A", "B", "B", "B", "C", 
"C", "C", "D", "D", "D"), EXPIRY_DT = c("30-Apr-2015", "28-May-2015", 
"25-Jun-2015", "30-Apr-2015", "28-May-2015", "25-Jun-2015", "30-Apr-2015", 
"28-May-2015", "25-Jun-2015", "30-Apr-2015", "28-May-2015", "25-Jun-2015"
), OPEN = c(1750, 1789, 0, 1627.5, 1653.3, 0, 632.95, 644.1, 
0, 317.8, 319.5, 0), HIGH = c(1788.05, 1795, 0, 1656.5, 1653.3, 
0, 646.4, 650.5, 0, 324.6, 326.65, 0), LOW = c(1746, 1760, 0, 
1627.5, 1645.45, 0, 629.65, 635, 0, 315.85, 318.4, 0), CLOSE = c(1782.3, 
1791.85, 1695.1, 1642.95, 1646.75, 1613.9, 640.85, 644.35, 614.6, 
320.55, 322.35, 310.85), SETTLE_PR = c(1782.3, 1791.85, 1804.8, 
1642.95, 1653.85, 1664.35, 640.85, 644.35, 649.1, 320.55, 322.35, 
325.35), CONTRACTS = c(1469L, 78L, 0L, 2638L, 14L, 0L, 4964L, 
181L, 0L, 3416L, 82L, 0L), VALUE = c(6496.96, 347.91, 0, 10830.05, 
57.68, 0, 15869.41, 583.38, 0, 10969.31, 264.93, 0), OPEN_INT = c(1353750L, 
8500L, 0L, 1377250L, 17000L, 0L, 6264000L, 98000L, 0L, 8228000L, 
216000L, 0L), CHG_IN_OI = c(15250L, 1250L, 0L, -21000L, 1500L, 
0L, 73500L, 6000L, 0L, -192000L, 13000L, 0L), TIMESTAMP = c("10-APR-2015", 
"10-APR-2015", "10-APR-2015", "10-APR-2015", "10-APR-2015", "10-APR-2015", 
"10-APR-2015", "10-APR-2015", "10-APR-2015", "10-APR-2015", "10-APR-2015", 
"10-APR-2015")), .Names = c("SYMBOL", "EXPIRY_DT", "OPEN", "HIGH", 
"LOW", "CLOSE", "SETTLE_PR", "CONTRACTS", "VALUE", "OPEN_INT", 
"CHG_IN_OI", "TIMESTAMP"), row.names = 40:51, class = "data.frame")

感谢阅读。

修改

来自@akrun的评论添加了预期的输出。因为每个日期的值不同，即需要一个接一个地放置每个月的数据，列名称附加字符串＆＃39; Month1 / 2/3＆＃39;而不是实际的日期。希望有所帮助。

output = structure(list(SYMBOL = c("A", "B", "C", "D"), TIMESTAMP = c("10-Apr-15", 
"10-Apr-15", "10-Apr-15", "10-Apr-15"), OPEN.Month1 = c(1750, 
1627.5, 632.95, 317.8), HIGH.Month1 = c(1788.05, 1656.5, 646.4, 
324.6), LOW.Month1 = c(1746, 1627.5, 629.65, 315.85), CLOSE.Month1 = c(1782.3, 
1642.95, 640.85, 320.55), SETTLE_PR.Month1 = c(1782.3, 1642.95, 
640.85, 320.55), CONTRACTS.Month1 = c(1469L, 2638L, 4964L, 3416L
), VALUE.Month1 = c(6496.96, 10830.05, 15869.41, 10969.31), OPEN_INT.Month1 = c(1353750L, 
1377250L, 6264000L, 8228000L), CHG_IN_OI.Month1 = c(15250L, -21000L, 
73500L, -192000L), OPEN.Month2 = c(1789, 1653.3, 644.1, 319.5
), HIGH.Month2 = c(1795, 1653.3, 650.5, 326.65), LOW.Month2 = c(1760, 
1645.45, 635, 318.4), CLOSE.Month2 = c(1791.85, 1646.75, 644.35, 
322.35), SETTLE_PR.Month2 = c(1791.85, 1653.85, 644.35, 322.35
), CONTRACTS.Month2 = c(78L, 14L, 181L, 82L), VALUE.Month2 = c(347.91, 
57.68, 583.38, 264.93), OPEN_INT.Month2 = c(8500L, 17000L, 98000L, 
216000L), CHG_IN_OI.Month2 = c(1250L, 1500L, 6000L, 13000L), 
    OPEN.Month3 = c(0L, 0L, 0L, 0L), HIGH.Month3 = c(0L, 0L, 
    0L, 0L), LOW.Month3 = c(0L, 0L, 0L, 0L), CLOSE.Month3 = c(1695.1, 
    1613.9, 614.6, 310.85), SETTLE_PR.Month3 = c(1804.8, 1664.35, 
    649.1, 325.35), CONTRACTS.Month3 = c(0L, 0L, 0L, 0L), VALUE.Month3 = c(0L, 
    0L, 0L, 0L), OPEN_INT.Month3 = c(0L, 0L, 0L, 0L), CHG_IN_OI.Month3 = c(0L, 
    0L, 0L, 0L)), .Names = c("SYMBOL", "TIMESTAMP", "OPEN.Month1", 
"HIGH.Month1", "LOW.Month1", "CLOSE.Month1", "SETTLE_PR.Month1", 
"CONTRACTS.Month1", "VALUE.Month1", "OPEN_INT.Month1", "CHG_IN_OI.Month1", 
"OPEN.Month2", "HIGH.Month2", "LOW.Month2", "CLOSE.Month2", "SETTLE_PR.Month2", 
"CONTRACTS.Month2", "VALUE.Month2", "OPEN_INT.Month2", "CHG_IN_OI.Month2", 
"OPEN.Month3", "HIGH.Month3", "LOW.Month3", "CLOSE.Month3", "SETTLE_PR.Month3", 
"CONTRACTS.Month3", "VALUE.Month3", "OPEN_INT.Month3", "CHG_IN_OI.Month3"
), class = "data.frame", row.names = c(NA, -4L))

Answer 1

我们可以使用devel的{{1}}版本即ie。＆＃39; v1.9.5＆＃39;这可能需要多个＆＃34; value.vars＆＃34;。安装devel版本的说明是here。

更改＆＃39; data.frame＆＃39;到＆＃39; data.table＆＃39; （data.table）。创建一个＆＃34;月＆＃34;通过粘贴“月份”列来填充每个＆＃34; SYMBOL＆＃34;的行号。然后，我们可以使用setDT(data)，将dcast指定为列＆＃39; 3：11＆＃39;。

value.var

如果我们需要将列名更改为＆＃39;输出＆＃39;中的特定格式，请使用library(data.table) res <- dcast(setDT(data)[, Month:=paste0('Month', 1:.N), by=SYMBOL], SYMBOL+TIMESTAMP~Month, value.var=names(data)[3:11])。我按照预期结果（＆＃39;输出＆＃39;）重新排列了列的顺序，并将data.table更改为data.frame（setnames）

setDF

＆＃39;输出中的setnames(res, sub('([^_]+)_(.*)', '\\2.\\1', colnames(res))) res1 <- setDF(res[,names(output), with=FALSE]) res1 # SYMBOL TIMESTAMP OPEN.Month1 HIGH.Month1 LOW.Month1 CLOSE.Month1 #1 A 10-APR-2015 1750.00 1788.05 1746.00 1782.30 #2 B 10-APR-2015 1627.50 1656.50 1627.50 1642.95 #3 C 10-APR-2015 632.95 646.40 629.65 640.85 #4 D 10-APR-2015 317.80 324.60 315.85 320.55 # SETTLE_PR.Month1 CONTRACTS.Month1 VALUE.Month1 OPEN_INT.Month1 #1 1782.30 1469 6496.96 1353750 #2 1642.95 2638 10830.05 1377250 #3 640.85 4964 15869.41 6264000 #4 320.55 3416 10969.31 8228000 # CHG_IN_OI.Month1 OPEN.Month2 HIGH.Month2 LOW.Month2 CLOSE.Month2 #1 15250 1789.0 1795.00 1760.00 1791.85 #2 -21000 1653.3 1653.30 1645.45 1646.75 #3 73500 644.1 650.50 635.00 644.35 #4 -192000 319.5 326.65 318.40 322.35 # SETTLE_PR.Month2 CONTRACTS.Month2 VALUE.Month2 OPEN_INT.Month2 #1 1791.85 78 347.91 8500 #2 1653.85 14 57.68 17000 #3 644.35 181 583.38 98000 #4 322.35 82 264.93 216000 # CHG_IN_OI.Month2 OPEN.Month3 HIGH.Month3 LOW.Month3 CLOSE.Month3 #1 1250 0 0 0 1695.10 #2 1500 0 0 0 1613.90 #3 6000 0 0 0 614.60 #4 13000 0 0 0 310.85 # SETTLE_PR.Month3 CONTRACTS.Month3 VALUE.Month3 OPEN_INT.Month3 #1 1804.80 0 0 0 #2 1664.35 0 0 0 #3 649.10 0 0 0 #4 325.35 0 0 0 # CHG_IN_OI.Month3 #1 0 #2 0 #3 0 #4 0列＆＃39;是格式不同。更改了＆＃39; res1＆＃39;中的格式它与预期的输出相同。

TIMESTAMP

或者我们可以使用res1$TIMESTAMP <- format(as.Date(res1$TIMESTAMP, '%d-%b-%Y'), '%d-%b-%y') all.equal(output, res1) #[1] TRUE中的reshape，它会带有多个值列。就像我们之前创建的序列一样，我们可以使用base R来创建“MONTH＆＃39;列，并将其用作ave中的timevar。

reshape

Answer 2

非常棘手的问题。我设计了一个非常接近您的样本输出的解决方案;你应该能够清理之后的小差异（请参阅我的答案的末尾以获得差异摘要）。

假设

首先，让我从我的假设开始：

输入data.frame data已根据EXPIRY_DT正确排序（每个SYMBOL独立）。您的样本输入满足此假设。现在，作为一般建议，您应该尝试始终使用ISO 8601作为日期格式，这自然按字典顺序排序，并且自然允许您在R中强制为Date格式。鉴于您的输入日期格式，如果您想保证正确的订单，则必须致电as.Date()并传递输入格式，然后拨打order()。我没有在我的代码中包含这些内容，而是假设数据已经被订购。
由于您的示例输出似乎统一了每个TIMESTAMP的{{1}}的所有值，因此我假设这两列包含数据的多列主键。如果这不正确，您只需将我在代码中定义的SYMBOL变量更改为不包含keys即可。但如果是这种情况，那么您将在输出中获得额外的TIMESTAMP列（如果需要，可以在之后删除）。

代码

TIMESTAMP.Month{mnum}

说明

正如您所看到的，我的解决方案的核心是将输入数据按月份分成单独的data.frames，这样可以为每个拆分独立地为所有非键列添加后缀，然后重复调用{{3将它们合并在一起。

keys <- c('SYMBOL','TIMESTAMP'); mnum <- ave(1:nrow(data), data[,keys], FUN=seq_along ); mnum; ## [1] 1 2 3 1 2 3 1 2 3 1 2 3 mdata <- lapply(1:max(mnum), function(x) setNames(data[mnum==x,],ifelse(names(data)%in%keys,names(data),paste0(names(data),'.Month',x))) ); mdata; ## [[1]] ## SYMBOL EXPIRY_DT.Month1 OPEN.Month1 HIGH.Month1 LOW.Month1 CLOSE.Month1 SETTLE_PR.Month1 CONTRACTS.Month1 VALUE.Month1 OPEN_INT.Month1 CHG_IN_OI.Month1 TIMESTAMP ## 40 A 30-Apr-2015 1750.00 1788.05 1746.00 1782.30 1782.30 1469 6496.96 1353750 15250 10-APR-2015 ## 43 B 30-Apr-2015 1627.50 1656.50 1627.50 1642.95 1642.95 2638 10830.05 1377250 -21000 10-APR-2015 ## 46 C 30-Apr-2015 632.95 646.40 629.65 640.85 640.85 4964 15869.41 6264000 73500 10-APR-2015 ## 49 D 30-Apr-2015 317.80 324.60 315.85 320.55 320.55 3416 10969.31 8228000 -192000 10-APR-2015 ## ## [[2]] ## SYMBOL EXPIRY_DT.Month2 OPEN.Month2 HIGH.Month2 LOW.Month2 CLOSE.Month2 SETTLE_PR.Month2 CONTRACTS.Month2 VALUE.Month2 OPEN_INT.Month2 CHG_IN_OI.Month2 TIMESTAMP ## 41 A 28-May-2015 1789.0 1795.00 1760.00 1791.85 1791.85 78 347.91 8500 1250 10-APR-2015 ## 44 B 28-May-2015 1653.3 1653.30 1645.45 1646.75 1653.85 14 57.68 17000 1500 10-APR-2015 ## 47 C 28-May-2015 644.1 650.50 635.00 644.35 644.35 181 583.38 98000 6000 10-APR-2015 ## 50 D 28-May-2015 319.5 326.65 318.40 322.35 322.35 82 264.93 216000 13000 10-APR-2015 ## ## [[3]] ## SYMBOL EXPIRY_DT.Month3 OPEN.Month3 HIGH.Month3 LOW.Month3 CLOSE.Month3 SETTLE_PR.Month3 CONTRACTS.Month3 VALUE.Month3 OPEN_INT.Month3 CHG_IN_OI.Month3 TIMESTAMP ## 42 A 25-Jun-2015 0 0 0 1695.10 1804.80 0 0 0 0 10-APR-2015 ## 45 B 25-Jun-2015 0 0 0 1613.90 1664.35 0 0 0 0 10-APR-2015 ## 48 C 25-Jun-2015 0 0 0 614.60 649.10 0 0 0 0 10-APR-2015 ## 51 D 25-Jun-2015 0 0 0 310.85 325.35 0 0 0 0 10-APR-2015 ## res <- Reduce(function(x,y) merge(x,y,by=keys,all=T), mdata ); res; ## SYMBOL TIMESTAMP EXPIRY_DT.Month1 OPEN.Month1 HIGH.Month1 LOW.Month1 CLOSE.Month1 SETTLE_PR.Month1 CONTRACTS.Month1 VALUE.Month1 OPEN_INT.Month1 CHG_IN_OI.Month1 EXPIRY_DT.Month2 OPEN.Month2 HIGH.Month2 LOW.Month2 CLOSE.Month2 SETTLE_PR.Month2 CONTRACTS.Month2 VALUE.Month2 OPEN_INT.Month2 CHG_IN_OI.Month2 EXPIRY_DT.Month3 OPEN.Month3 HIGH.Month3 LOW.Month3 CLOSE.Month3 SETTLE_PR.Month3 CONTRACTS.Month3 VALUE.Month3 OPEN_INT.Month3 CHG_IN_OI.Month3 ## 1 A 10-APR-2015 30-Apr-2015 1750.00 1788.05 1746.00 1782.30 1782.30 1469 6496.96 1353750 15250 28-May-2015 1789.0 1795.00 1760.00 1791.85 1791.85 78 347.91 8500 1250 25-Jun-2015 0 0 0 1695.10 1804.80 0 0 0 0 ## 2 B 10-APR-2015 30-Apr-2015 1627.50 1656.50 1627.50 1642.95 1642.95 2638 10830.05 1377250 -21000 28-May-2015 1653.3 1653.30 1645.45 1646.75 1653.85 14 57.68 17000 1500 25-Jun-2015 0 0 0 1613.90 1664.35 0 0 0 0 ## 3 C 10-APR-2015 30-Apr-2015 632.95 646.40 629.65 640.85 640.85 4964 15869.41 6264000 73500 28-May-2015 644.1 650.50 635.00 644.35 644.35 181 583.38 98000 6000 25-Jun-2015 0 0 0 614.60 649.10 0 0 0 0 ## 4 D 10-APR-2015 30-Apr-2015 317.80 324.60 315.85 320.55 320.55 3416 10969.31 8228000 -192000 28-May-2015 319.5 326.65 318.40 322.35 322.35 82 264.93 216000 13000 25-Jun-2015 0 0 0 310.85 325.35 0 0 0 0向量代表＆＃34;月号＆＃34;。你可以认为它是一种＆＃34;分离的＆＃34;输入mnum对象的列;它表示data中每行所属的主键组中的月份编号。我使用merge()为每个组调用ave()一次，生成一个长度等于组大小的顺序整数向量（即组中的行数），data映射回来到原始ave()对象中组行的位置。

data对象是data.frames列表，其中每个组件代表一个月的数字。使用特定月份编号实际提取行是通过简单的逻辑索引操作完成的：

mdata

其中data[mnum==x,]是x元素，seq_along()遍历mnum。使用lapply()完成非键列名称的后缀，派生替换列名称如下：

1:max(mnum)

上面保留了关键列的名称，但是将ifelse(names(data)%in%keys,names(data),paste0(names(data),'.Month',x))附加到所有非关键列的名称。

最后，所有月份号码拆分必须合并回一个data.frame。我以为我能够使用'.Month{mnum}'的单个调用（可能需要setNames()的一点帮助）才能做到这一点，但是却发现它只需要两个参数才能合并，merge()和x（另见do.call()）。因此，我需要调用Simultaneously merge multiple data.frames in a list来实现重复调用。如果您的不同符号具有不同的到期日数，则y参数将非常重要;然后＆＃34;短＆＃34;如果all=T未通过，则符号不会在最终合并的RHS上表示，因此将被删除。

差异

我的输出与您的样本输出完全匹配。以下是不一致之处：

您的示例输出似乎已更改all=T列的格式与输入中的格式，例如，TIMESTAMP已更改为10-APR-2015。我的代码未触及10-Apr-15。
您的示例输出缺少TIMESTAMP列，我的解决方案保留在其后缀EXPIRY_DT，EXPIRY_DT.Month1等名称下。如果需要，您可以在Reduce()和grep()上使用names()删除这些列。

Answer 3

记得aggregate()有一个data.frames的重载，可以用来实现这个要求。列名称和顺序不会完全符合您的要求，但它们肯定是合乎逻辑且可用的（并且可以在之后进行调整）：

keys <- c('SYMBOL','TIMESTAMP');
aggregate(data[,!(names(data)%in%keys)],data[,names(data)%in%keys],identity);
##   SYMBOL   TIMESTAMP EXPIRY_DT.1 EXPIRY_DT.2 EXPIRY_DT.3  OPEN.1  OPEN.2  OPEN.3  HIGH.1  HIGH.2  HIGH.3   LOW.1   LOW.2   LOW.3 CLOSE.1 CLOSE.2 CLOSE.3 SETTLE_PR.1 SETTLE_PR.2 SETTLE_PR.3 CONTRACTS.1 CONTRACTS.2 CONTRACTS.3  VALUE.1  VALUE.2  VALUE.3 OPEN_INT.1 OPEN_INT.2 OPEN_INT.3 CHG_IN_OI.1 CHG_IN_OI.2 CHG_IN_OI.3
## 1      A 10-APR-2015 30-Apr-2015 28-May-2015 25-Jun-2015 1750.00 1789.00    0.00 1788.05 1795.00    0.00 1746.00 1760.00    0.00 1782.30 1791.85 1695.10     1782.30     1791.85     1804.80        1469          78           0  6496.96   347.91     0.00    1353750       8500          0       15250        1250           0
## 2      B 10-APR-2015 30-Apr-2015 28-May-2015 25-Jun-2015 1627.50 1653.30    0.00 1656.50 1653.30    0.00 1627.50 1645.45    0.00 1642.95 1646.75 1613.90     1642.95     1653.85     1664.35        2638          14           0 10830.05    57.68     0.00    1377250      17000          0      -21000        1500           0
## 3      C 10-APR-2015 30-Apr-2015 28-May-2015 25-Jun-2015  632.95  644.10    0.00  646.40  650.50    0.00  629.65  635.00    0.00  640.85  644.35  614.60      640.85      644.35      649.10        4964         181           0 15869.41   583.38     0.00    6264000      98000          0       73500        6000           0
## 4      D 10-APR-2015 30-Apr-2015 28-May-2015 25-Jun-2015  317.80  319.50    0.00  324.60  326.65    0.00  315.85  318.40    0.00  320.55  322.35  310.85      320.55      322.35      325.35        3416          82           0 10969.31   264.93     0.00    8228000     216000          0     -192000       13000           0

基础R的简洁解决方案！

修改：感谢@Frash指出上述＆＃34;解决方案＆＃34;中的怪癖。可以通过如下包装aggregate()来纠正这种情况：

do.call(data.frame,...);

这是因为data.frame()会自动将矩阵扩展为结果data.frame中的独立列（类＃34; model.matrix＆＃34;以及I()保护的矩阵除外）。

使用月份传播重新格式化数据框架，并按照其在R中的日历订单进行排序

3 个答案:

假设

代码

说明

差异