Question

编辑：由于建议的解决方案对我的数据集有些问题，因此我对问题进行了稍微的编辑。 OP写在下面。

我有一个数据集df，其中prop是当年的观测值占总观测值的一部分。例如：对于荷兰（NLD），有60％的观测值是2005年。对于保加利亚（BLG），这是50％。

    row country year prop
1:   1     NLD 2005  0.6
2:   2     NLD 2005  0.6
3:   3     BLG 2006  0.5
4:   4     BLG 2005  0.5
5:   5     GER 2005  1.0
6:   6     NLD 2007  0.2
7:   7     NLD 2005  0.6
8:   8     NLD 2008  0.2

我想要得到的是以下内容：

    row country prop2005 prop2006 prop2007 prop 2008 
1:   1     NLD  0.6      0.0      0.2      0.2
2:   2     NLD  0.6      0.0      0.2      0.2
3:   3     NLD  0.6      0.0      0.2      0.2
4:   4     BLG  0.5      0.5      0.0      0.0
5:   5     BLG  0.5      0.5      0.0      0.0
6:   6     BLG  0.5      0.5      0.0      0.0
7:   7     GER  1.0      0.0      0.0      0.0
8:   8     GER  1.0      0.0      0.0      0.0
9:   9     GER  1.0      0.0      0.0      0.0

原始帖子：

我有一个数据集df，其中prop是当年的观测值占总观测值的一部分。例如：对于荷兰（NLD），有60％的观测值是2005年。对于保加利亚（BLG），这是50％。

    row country year prop
1:   1     NLD 2005  0.6
2:   2     NLD 2005  0.6
3:   3     BLG 2006  0.5
4:   4     BLG 2005  0.5
5:   5     GER 2005  1.0
6:   6     NLD 2007  0.2
7:   7     NLD 2005  0.6
8:   8     NLD 2008  0.2

我想将这些值连接到另一个数据集（df2，该数据集与那些年份相关的问题），其外观如下：

    row country q05 q06 q07 q08 
1:   1     NLD  1   2   1   3   
2:   2     NLD  2   1   2   3   
3:   3     NLD  1   2   2   4   
4:   4     BLG  5   5   2   4   
5:   5     BLG  1   2   1   1   
6:   6     BLG  2   2   5   1   
7:   7     GER  3   5   4   4   
8:   8     GER  2   5   3   4   
9:   9     GER  1   2   3   5

我想要得到的是以下内容：

    row country prop2005 prop2006 prop2007 prop 2008 
1:   1     NLD  1   2   1   3   0.6      0.0      0.2      0.2
2:   2     NLD  2   1   2   3   0.6      0.0      0.2      0.2
3:   3     NLD  1   2   2   4   0.6      0.0      0.2      0.2
4:   4     BLG  5   5   2   4   0.5      0.5      0.0      0.0
5:   5     BLG  1   2   1   1   0.5      0.5      0.0      0.0
6:   6     BLG  2   2   5   1   0.5      0.5      0.0      0.0
7:   7     GER  3   5   4   4   1.0      0.0      0.0      0.0
8:   8     GER  2   5   3   4   1.0      0.0      0.0      0.0
9:   9     GER  1   2   3   5   1.0      0.0      0.0      0.0

换句话说，对于每个观察，我都希望将与该国家/地区相关的比例添加到观察中（因为它们的作用就像权重一样）。

我相当熟悉合并到data.table;

df1 <- merge(df1, df2,  by= "country", all.x = TRUE, allow.cartesian=FALSE)

但是，我真的不知道如何重塑data.table以正确地合并它。

有什么建议吗？

当前的“解决方案”：

df1 <- dcast(df1, country~year, value="prop")
df1 <- merge(df1, df2,  by= "country", all.x = TRUE, allow.cartesian=FALSE)

Answer 1

可能的解决方案：

melt(df2, id = 1:2, value.name = 'q'
     )[, year := as.integer(paste0('20',sub('\\D+','',variable)))
       ][df, on = .(country, year), prop := i.prop
         ][is.na(prop), prop := 0
           ][, dcast(.SD, row + country ~ year, value.var = c('q','prop'), sep = '')]

给出：

   row country q2005 q2006 q2007 q2008 prop2005 prop2006 prop2007 prop2008
1:   1     NLD     1     2     1     3      0.6      0.0      0.2      0.2
2:   2     NLD     2     1     2     3      0.6      0.0      0.2      0.2
3:   3     NLD     1     2     2     4      0.6      0.0      0.2      0.2
4:   4     BLG     5     5     2     4      0.5      0.5      0.0      0.0
5:   5     BLG     1     2     1     1      0.5      0.5      0.0      0.0
6:   6     BLG     2     2     5     1      0.5      0.5      0.0      0.0
7:   7     GER     3     5     4     4      1.0      0.0      0.0      0.0
8:   8     GER     2     5     3     4      1.0      0.0      0.0      0.0
9:   9     GER     1     2     3     5      1.0      0.0      0.0      0.0

要查看其工作原理，可以按以下步骤将代码拆分：

df3 <- melt(df2, id = 1:2, value.name = 'q')[, year := as.integer(paste0('20',sub('\\D+','',variable)))]

df3[df, on = .(country, year), prop := i.prop][]
df3[is.na(prop), prop := 0][]
df3[, dcast(.SD, row + country ~ year, value.var = c('q','prop'), sep = '')]

重塑data.table

1 个答案: