我有一个data.frame，目前每行有一条记录，但我想将其转换为每行有三条记录（为机器学习算法提供更多趋势数据）。
作为一个例子，我的data.frame目前看起来像这样（但是除了Rank和Speed之外还有更多的变量）：
Date | Participant | Ctry | Rank | Speed
----- |-------------|------|------|-------
17/01 | 1 | AU | 1 | 0.9
18/01 | 1 | AU | 4 | 0.6
19/01 | 1 | AU | 2 | 0.7
20/01 | 1 | AU | 1 | 0.4
17/01 | 2 | ZA | 5 | 0.3
18/01 | 2 | ZA | 3 | 0.5
19/01 | 2 | ZA | 4 | 0.6
我想将其转换为这样（在每个参与者的3个滚动窗口中）：
StartDate | Participant | Ctry | Rank_1 | Rank_2 | Rank_3 | Speed_1 | Speed_2 | Speed_3
---------- | ----------- | ---- | ------ | ------ | ------ | ------- | ------- | -------
17/01 | 1 | AU | 1 | 4 | 2 | 0.9 | 0.6 | 0.7
18/01 | 1 | AU | 4 | 2 | 1 | 0.6 | 0.7 | 0.4
17/01 | 2 | ZA | 5 | 3 | 4 | 0.3 | 0.5 | 0.6
我可以使用嵌套的for循环来创建这个数据结构，但我确信有一种更有效的方法。我已经研究了reshape（2）和dplyr函数，但是找不到适用于滚动多变量窗口的东西。
答案 0 :(得分：1)
OP要求将数据从长格式重新整形为一种特殊的宽格式，最后每行包含三条记录。例如，参与者1将包含一行，其中包含17/01，18/01和19/01的值，第二行包含{{1}的值}}，18/01和19/01。
请注意，此操作将添加冗余数据，因为重塑后某些值最多可能会出现三次。另请注意，OP已请求同时重塑多个值变量。此功能已添加到20/01包的最新版本中。
以下是使用data.table包中的shift()，melt()，dcast()，rowid()和加入的解决方案：
data.tablelibrary(data.table) # define number of records per row n_recs <- 3L # create sequences of dates to be included per row using shift() with multiple offsets, # keep only complete sequences, add StartDate column for later dcast() windows <- na.omit(DT[, shift(Date, seq_len(n_recs) - 1L, type = "lead"), by = Participant])[ , StartDate := V1] # reshape to long form for later join, # rename variables for automatic creation of column names in dcast() lwin <- melt(windows, id.vars = c("Participant", "StartDate"), value.name = "Date")[ , variable := stringi::stri_replace(variable, fixed = "V", "")] # right join with original data to create additional rows, # reshape from long to wide form using multiple value vars, # reorder for convenience dcast( DT[lwin, on = .(Participant, Date)], StartDate + Participant + Ctry ~ variable, value.var = c("Rank", "Speed"))[ order(Participant, StartDate)]
StartDate Participant Ctry Rank_1 Rank_2 Rank_3 Speed_1 Speed_2 Speed_3
1: 17/01 1 AU 1 4 2 0.9 0.6 0.7
2: 18/01 1 AU 4 2 1 0.6 0.7 0.4
3: 17/01 2 ZA 5 3 4 0.3 0.5 0.6
我已经认识到上面的代码依赖于隐含的假设，即每个参与者的记录至少应与记录相结合。 OP的样本数据包含4行参与者library(data.table)
DT <- fread(
"Date | Participant | Ctry | Rank | Speed
17/01 | 1 | AU | 1 | 0.9
18/01 | 1 | AU | 4 | 0.6
19/01 | 1 | AU | 2 | 0.7
20/01 | 1 | AU | 1 | 0.4
17/01 | 2 | ZA | 5 | 0.3
18/01 | 2 | ZA | 3 | 0.5
19/01 | 2 | ZA | 4 | 0.6 ",
sep = "|"
)
和3行参与者1，因此满足此条件。
但是，如果每个参与者只有一行或两行，2将完全从最终结果中删除这些参与者。或许，这可能是OP的目标所希望的。如果不，则需要按如下方式修改代码：
na.omit()# create new sample data including cases with less than 3 records per participant DT <- fread( "Date | Participant | Ctry | Rank | Speed 17/01 | 1 | AU | 1 | 0.9 18/01 | 1 | AU | 4 | 0.6 19/01 | 1 | AU | 2 | 0.7 20/01 | 1 | AU | 1 | 0.4 17/01 | 2 | ZA | 5 | 0.3 18/01 | 2 | ZA | 3 | 0.5 19/01 | 2 | ZA | 4 | 0.6 17/01 | 3 | DE | 2 | 0.8, 17/01 | 4 | DK | 3 | 0.8, 18/01 | 4 | DK | 4 | 0.8", sep = "|" ) # modified code n_recs <- 3L min_rows <- 1L windows <- DT[, lapply(shift(Date, seq_len(n_recs) - 1L, type = "lead"), head, n = pmax(.N - n_recs + 1L, min_rows)), by = Participant][, StartDate := V1] lwin <- melt(windows, id.vars = c("Participant", "StartDate"), value.name = "Date", na.rm = TRUE)[ , variable := stringi::stri_replace(variable, fixed = "V", "")] dcast( DT[lwin, on = .(Participant, Date)], StartDate + Participant + Ctry ~ variable, value.var = c("Rank", "Speed"))[ order(Participant, StartDate)]
请注意＆＃34;不完整＆＃34;第4行和第5行由于参与者3和4缺少输入数据。但是，确保所有参与者出现在最终结果中。
这是通过在计算 StartDate Participant Ctry Rank_1 Rank_2 Rank_3 Speed_1 Speed_2 Speed_3
1: 17/01 1 AU 1 4 2 0.9 0.6 0.7
2: 18/01 1 AU 4 2 1 0.6 0.7 0.4
3: 17/01 2 ZA 5 3 4 0.3 0.5 0.6
4: 17/01 3 DE 2 NA NA 0.8, NA NA
5: 17/01 4 DK 3 4 NA 0.8, 0.8 NA
时使用head()明确限制为每个参与者创建的行数来实现的。此外，现在必须使用参数windows调用melt()。
如果na.rm = TRUE设置为min_rows，则不完整的第4行和第5行将从最终结果中消失。