使用 dcast 操作大型数据集

Question

抱歉，如果这是一个重复的问题，但我找不到我正在寻找的具体答案。我有一个数据框，其中包含在给定旅行中捕获的不同物种的数量。下面是一个包含 5 个行程和 4 个物种的简化示例：

trip = c(1,1,1,2,2,3,3,3,3,4,5,5)
species = c("a","b","c","b","d","a","b","c","d","c","c","d")
count = c(5,7,3,1,8,10,1,4,3,1,2,10)

dat = cbind.data.frame(trip, species, count)
dat

> dat
   trip species count
1     1       a     5
2     1       b     7
3     1       c     3
4     2       b     1
5     2       d     8
6     3       a    10
7     3       b     1
8     3       c     4
9     3       d     3
10    4       c     1
11    5       c     2
12    5       d    10

我只对每次旅行的物种 b 的计数感兴趣。所以我想操纵这个数据框，所以我最终得到一个看起来像这样的数据框：

trip2 = c(1,2,3,4,5)
species2 = c("b","b","b","b","b")
count2 = c(7,1,1,0,0)

dat2 = cbind.data.frame(trip2, species2, count2)
dat2

> dat2
  trip2 species2 count2
1     1        b      7
2     2        b      1
3     3        b      1
4     4        b      0
5     5        b      0

我想保留所有行程，包括未观察到物种 b 的行程。所以我不能只按物种 b 对数据进行子集化。我知道我可以投射数据，所以物种是列，然后像这样删除其他物种的列：

library(dplyr)
library(reshape2)
test = dcast(dat, trip ~ species, value.var = "count", fun.aggregate = sum)
test

> test
  trip  a b c  d
1    1  5 7 3  0
2    2  0 1 0  8
3    3 10 1 4  3
4    4  0 0 1  0
5    5  0 0 2 10

但是，我的真实数据集有数百种物种在数千次旅行中捕获，如果我尝试将那么多物种投射到列 R chokes。列太多了。有没有办法在 dcast 中指定我只想投射物种 b？还是有另一种不需要转换数据的方法来做到这一点？谢谢你。

Answer 1

这是一个 data.table 方法，我认为它对您来说会非常快：

library(data.table)
setDT(dat)
result <- dat[,.(species = "b", count = sum(.SD[species == "b",count])),by = trip]
result
   trip species count
1:    1       b     7
2:    2       b     1
3:    3       b     1
4:    4       b     0
5:    5       b     0

Answer 2

我们可以使用tidyverse

library(dplyr)
library(tidyr)
dat  %>%
   filter(species == 'b') %>% 
   group_by(trip, species) %>%
   summarise(count = sum(count)) %>% 
   ungroup %>% 
   complete(trip = unique(dat$trip), fill = list(species = 'b', count = 0))
# A tibble: 5 x 3
#   trip species count
#  <dbl> <chr>   <dbl>
#1     1 b           7
#2     2 b           1
#3     3 b           1
#4     4 b           0
#5     5 b           0

使用 dcast 操作大型数据集

Manipulating large dataset with dcast

r

data-manipulation

dataframe

dcast