聚合包含数字和字符串的列

Question

我的 R 脚本中有一个数据框，看起来像这样：

ID      B     C
1539   Blue   8
1539   Blue   4
1539   Red    9
1539   Red    13
1539   Yellow NCAA
3574   Green  RA
3574   Green  RA
3574   Green  RA
3574   Red    1 
3574   Red    1

如何聚合列 C 并转换数据集，使其看起来像这样：

  ID     Blue    Yellow    Green   Red    
  1539   12      NCAA       -      22
  3574   -       -          3RA    2

我基本上想对数字求和并计算该值是否是 C 列中的一个因子。非常感谢任何帮助。

Answer 1

R 中的一列不能同时包含不同的类，因此您实际上在 C 列中没有数字 - 它们要么是 characters 要么是 factors。我们可能需要确保它们是 character，这样我们才能对它们应用 type.convert。此外，factors 有一个 integer 存储模式 - 所以它可能会让人困惑。之后，我们可以根据您的要求创建一个辅助函数，并将数据转换为宽格式。这是一个使用 data.table

的示例

library(data.table)
setDT(data1)[, C := as.character(C)] # Make sure it's a character column

# Define the function
f <- function(x) if(is.numeric(x <- type.convert(x))) {
                      as.character(sum(x)) 
                    } else paste0(length(x), x) 

# Rehsape
dcast(data1, ID ~ B, value.var = "C", f)
#      ID Blue Green Red Yellow
# 1: 1539   12     0  22  1NCAA
# 2: 3574    0   3RA   2      0

Answer 2

您使用 tidyr 和 dplyr 基本上使用两个步骤来执行此操作：

spread( tidyr) 创建新列，名称在 B 中，值在 C
group_by 您的 ID 列，然后 summarize_each 其余列 (dplyr) 使用自定义汇总函数来处理字符或数字列

这是完整的解决方案，需要更多的命令来记账。

1.传播。传播的一个陷阱是所有行都必须在某些列中有一个唯一的 id(see here)

library(dplyr)
library(tidyr)

## spread with 'convert' will convert types automatically

spread_data <- dat %>%
  mutate(row= 1:nrow(dat)) %>% ## uniquely id rows
  spread(B, C, convert = TRUE) %>%
  select(-row)

## converting the data.frame to a tbl_df
## lets us easily see the cols are different types
tbl_df(spread_data)    
##Source: local data frame [10 x 5]
##
##      ID  Blue Green   Red Yellow
##   (int) (int) (chr) (int)  (chr)
##   1   1539     8    NA    NA     NA
##   2   1539     4    NA    NA     NA
##   3   1539    NA    NA     9     NA
##   4   1539    NA    NA    13     NA
##   5   1539    NA    NA    NA   NCAA
##   6   3574    NA    RA    NA     NA
##   7   3574    NA    RA    NA     NA
##   8   3574    NA    RA    NA     NA
##   9   3574    NA    NA     1     NA
##   10  3574    NA    NA     1     NA

2.分组总结。首先，我们需要编写一个函数来处理任一类型的列

summarizer <- function(x) {
  if (is.numeric(x)) {
    sum(x, na.rm = TRUE)
  } else {
    # assume x is a character
    if (all(is.na(x)))
      return("-")
    x[is.na(x)] <- ""
    x <- unique(x)
    paste0(x, collapse="")
  }
}

## summarize each applies summarizer to the columns that aren't being used
## for grouping (so, not ID in this case)
spread_data %>% group_by(ID) %>%
  summarize_each(funs(summarizer))
##Source: local data frame [2 x 5]
##
##     ID  Blue Green   Red Yellow
##  (int) (int) (chr) (int)  (chr)
##  1  1539    12     -    22   NCAA
##  2  3574     0    RA     2      -

聚合包含数字和字符串的列

aggregate a column that contains numbers and strings

aggregate

r

reshape

dplyr