Question

我有这种形式的数据

id  year    facname class_code       line_no    value
1     1         A        County           1      county1
1     1         A        County           2      county2
1     1         A        source1          1      9
1     1         A        source1          2      4
1     1         A        source2          1      7
1     1         A        source2          2      2
1     1         A        source3          1      8...

2     1         B        County           1      county1
2     1         B        County           2      county1
2     1         B        source1          1      21
2     1         B        source1          2      9
2     1         B        source2          1      4
2     1         B        source2          2      7 ....

我正在尝试将此转换为以下内容：（请注意，最后3列将具有值＆＃39;相应地传播）

id year facname   line_no        County      source1        source2      source3
1   1    A       1               county1      9                7           8      
1   2    A       2               county2      4                2           NA
1   3    A       3               county3             
1   4    A       4               county4
2   1    B       1               county1
2   2    B       2               county2
2   3    B       3               county3
2   4    B       4               county4

这将显示县的不同支付者数量（source1，source2，source3）和县名（county1，county2）。我知道它的传播（可能聚集）的一些组合，但我无法绕过它。

感谢任何帮助，谢谢！（PS：我知道这可能是一个重复的问题，但我对整理数据真的很陌生）

编辑：县（county1,2..etc。）实际上是数字（在原始数据集中），但本质上是分类的，因此我将它们称为county1，其他值（来源）实际上是该县参加活动的人数（source1，source2等）。每个设施总共有40个line_no。

Answer 1

选项是使用双tidyr::spread作为：

根据@CJYetman的评论

更新

library(dplyr)
library(tidyr)

# Just spread can transform and work on present sample data used by OP
df %>% spread(class_code, value)

#The complicated version below based was initially used to handle different
#line numbers for rows with "County" and rows without "County"
filter(df, class_code == "County") %>% spread(class_code, value) %>% 
left_join(filter(df, class_code != "County") %>% spread(class_code, value),
  by=c("id", "line_no", "facname")) 

#   id facname line_no  County source1 source2 source3
# 1  1       A       1 county1       9       7       8
# 2  1       A       2 county2       4       2    <NA>
# 3  2       B       1 county1      21       4    <NA>
# 4  2       B       2 county1       9       7    <NA>

数据：

df <- read.table(text = "id facname class_code line_no value 1 A County 1 county1 1 A County 2 county2 1 A source1 1 9 1 A source1 2 4 1 A source2 1 7 1 A source2 2 2 1 A source3 1 8 2 B County 1 county1 2 B County 2 county1 2 B source1 1 21 2 B source1 2 9 2 B source2 1 4 2 B source2 2 7", header = TRUE, stringsAsFactors = FALSE)

Answer 2

我们可以使用dcast

中的data.table

library(data.table)
dcast(setDT(df1), id + facname + rowid(class_code) ~ class_code, value.var = 'value')
#     id facname class_code  County source1 source2 source3
#1:  1       A          1 county1       9       7       8
#2:  1       A          2 county2       4       2      NA
#3:  2       B          3 county1      21       4      NA
#4:  2       B          4 county1       9       7      NA

如果我们需要预期输出中的8行

dcast(setDT(df1), id + facname + rowid(class_code) ~ class_code, 
    value.var = 'value', drop = FALSE)[ ,.SD[!all(is.na(County))], .(id, facname)]
#   id facname class_code  County source1 source2 source3
#1:  1       A          1 county1       9       7       8
#2:  1       A          2 county2       4       2      NA
#3:  1       A          3      NA      NA      NA      NA
#4:  1       A          4      NA      NA      NA      NA
#5:  2       B          1      NA      NA      NA      NA
#6:  2       B          2      NA      NA      NA      NA
#7:  2       B          3 county1      21       4      NA
#8:  2       B          4 county1       9       7      NA

将2列（从长到宽的形式）转换为4中的r

2 个答案: