我有一个数据框，如下所示：
ID Capital Instal Date1 Date2
2 500 25 a b
2 500 20 a c
2 450 15 a a
2 300 10 a f
2 250 0 a z
4 100 25 b a
4 90 20 b b
4 80 15 b a
4 75 10 b f
4 25 0 b z
我想从中创建一个新的data.frame，如果Date1=Date2那么我的新数据框B将如下所示：
ID Date1 Capital Instal1 Instal2 Instal3 Instal4
2 a 450 15 10 0
4 b 90 20 15 10 0
所以我希望新data.frame仅考虑Date1和Date2之后的数据。
答案 0 :(得分：2)
<强> tidyverse
以下是tidyverse方法（dplyr + tidyr）：
library(tidyverse)
df2 <- df %>%
group_by(ID) %>%
filter(cumsum(Date1 == Date2) >0) %>%
transmute(Capital=Capital[1],Instal,Date1,colnames = paste0("Instal",seq(n()))) %>%
ungroup %>%
spread(colnames,Instal)
df2[is.na(df2)] <- 0 # omit if you'd rather have NA
# # A tibble: 2 x 7
# ID Capital Date1 Instal1 Instal2 Instal3 Instal4
# * <int> <int> <chr> <int> <int> <int> <int>
# 1 2 450 a 15 10 0 0
# 2 4 90 b 20 15 10 0
filter调用会删除Date1 == Date2
使用transmute，我们只保留必要的列并创建我们将传播的列名称。我们将Capital的所有值设置为第一个，因为它是我们需要的唯一值。 ID已分组，因此默认情况下会保留transmute。
然后我们ungroup并执行教科书spread
基础R
在基数R中，我们可以使用split和reshape并遵循相同的想法，最后进行一些繁琐的重新格式化以填充较窄的子数据帧。
df_list <-
lapply(split(df,df$ID),function(x) {
x <- subset(x,cumsum(Date1==Date2)>0)
x <- transform(x, Capital=Capital[1], time = seq(nrow(x)))
reshape(x,idvar=c("ID","Capital","Date1"),direction="wide",sep="",drop="Date2")
})
all_names <- names(df_list[[which.max(lengths(df_list))]])
df_list_full <- lapply(df_list,function(x) {x[setdiff(all_names,names(x))] <- NA;x})
do.call(rbind, df_list_full)
# ID Capital Date1 Instal1 Instal2 Instal3 Instal4
# 2 2 450 a 15 10 0 NA
# 4 4 90 b 20 15 10 0
数据：
df <- read.table(text = "ID Capital Instal Date1 Date2
2 500 25 a b
2 500 20 a c
2 450 15 a a
2 300 10 a f
2 250 0 a z
4 100 25 b a
4 90 20 b b
4 80 15 b a
4 75 10 b f
4 25 0 b z",h=T,strin=F)
答案 1 :(得分：1)
这是另一个tidyverse解决方案......
library(dplyr)
library(tidyr)
df2 <- df %>%
group_by(ID) %>% #group by ID
mutate(ind=cumsum(Date1==Date2)) %>% #mark elements after first Date1==Date2
filter(ind!=0) %>% #remove previous elements
summarise(Date1=first(Date1),
Capital=first(Capital),
Instal=list(Instal)) %>% #capture values for table
unnest() %>% #spread Instal, one value per row
group_by(ID) %>%
mutate(Inst=paste0("Instal",row_number())) %>% #mark names of Instal values
spread(key=Inst,value=Instal) #spread into wide format
df2
ID Date1 Capital Instal1 Instal2 Instal3 Instal4
1 2 a 450 15 10 0 NA
2 4 b 90 20 15 10 0
答案 2 :(得分：0)
有点像迂回的方式。我确信有更快的方法可以做到这一点，但这可以让你完全达到预期的输出效果。
步骤：当date1 == date2选择row_number并在选择后填写。过滤这些记录并仅选择所需的列。创建一个列，用作扩展中的标题并传播安装数据。接下来加入数据的子集以获得Capital的正确值，并将此表与之前的选择结合起来。
library(dplyr)
library(tidyr)
df %>%
group_by(ID) %>%
mutate(rowid = row_number(),
selection = ifelse(Date1 == Date2, rowid, NA)) %>%
fill(selection) %>% # fill rowid over the rows after date1 == date2
filter(!is.na(selection)) %>%
select(ID, Date1, Instal) %>%
mutate(Installation = paste0("Instal", row_number())) %>%
spread(Installation, Instal) %>%
inner_join(df %>% filter(Date1 == Date2) %>% select(ID, Date1, Capital), .)
ID Date1 Capital Instal1 Instal2 Instal3 Instal4
1 2 a 450 15 10 0 NA
2 4 b 90 20 15 10 0
数据：
df <- structure(list(ID = c(2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L),
Capital = c(500L, 500L, 450L, 300L, 250L, 100L, 90L, 80L,
75L, 25L), Instal = c(25L, 20L, 15L, 10L, 0L, 25L, 20L, 15L,
10L, 0L), Date1 = c("a", "a", "a", "a", "a", "b", "b", "b",
"b", "b"), Date2 = c("b", "c", "a", "f", "z", "a", "b", "a",
"f", "z")), class = "data.frame", row.names = c(NA, -10L))