将数据帧列值映射到 n x n 矩阵

Mapping dataframe column values to a n by n matrix

我正在尝试将 data.frame 对象(由 161 个国家/地区之间的大量双边贸易数据组成)的列值映射到 161 x 161 邻接矩阵(也是 data.frame class) 这样每个单元格代表任何两个国家之间的二元贸易流量。

数据是这样的

# load the data from dropbox folder
library(foreign)
example_data <- read.csv("https://www.dropbox.com/s/hf0ga22tdjlvdvr/example_data.csv?dl=1")

head(example_data, n = 10)
   rid pid TradeValue
1    2   3        500
2    2   7       2328
3    2   8    2233465
4    2   9      81470
5    2  12     572893
6    2  17     488374
7    2  19    3314932
8    2  23      20323
9    2  25         10
10   2  29    9026220

length(unique(example_data$rid))
[1] 139
length(unique(example_data$pid))
[1] 161

其中rid是reporter id,pid是(trade)partner id,一个国家的ridpid是一样的。根据 TradeValue.

rid 列中的相同 ID 与 pid 列中的多行匹配

但是,这个数据存在一些问题。首先,由于没有报告贸易统计数据的国家(通常是发展中国家)没有数据可供提取,因此 rid 列中没有它们的 id(例如国家 1)。另一方面,这些国家/地区 ID 可能会通过其他国家/地区的报告进入 pid 列(在这种情况下,报告者往往是发达国家)。因此,rid 列仅包含部分国家/地区 ID(161 个国家/地区中仅包含 139 个),而 pid 列包含所有 161 个国家/地区 ID。

我想做的是将此 example_data 数据帧映射到 161 x 161 邻接矩阵,行使用 rid,列使用 pid,其中每个单元格代表TradeValue 介于任意两个国家 ID 之间。为此,我需要解决几件事:

  1. 填写 example_datarid 列中缺失的国家/地区 ID,并暂时将各自行中的所有单元格值设置为 0。
  2. 通过上一步,使用其他国家报告的双边贸易统计数据来估算那些“0”单元格;如果相应的统计数据仍然不可用,请保留那些“0”单元格。

例如,对于以下形式的 5 国数据框

rid pid TradeValue
2   1   50
2   3   45
2   4   7
2   5   18
3   1   24
3   2   45
3   4   88
3   5   12
5   1   27
5   2   18
5   3   12
5   4   92

所需的输出应如下所示

     pid_1  pid_2   pid_3   pid_4   pid_5
rid_1    0    50      24        0      27
rid_2   50     0      45        7      18
rid_3   24    45       0       88      12
rid_4    0     7      88        0      92
rid_5   27    18      12       92       0

但在我的脑海中,我不知道该怎么做。如果有人可以帮助我,我将不胜感激。

df1$rid = factor(df1$rid, levels = 1:5, labels = paste("rid",1:5,sep ="_"))
df1$pid = factor(df1$pid, levels = 1:5, labels = paste("pid",1:5,sep ="_"))

data.table::dcast(df1, rid ~ pid, fill = 0, drop = FALSE, value.var = "TradeValue")

#    rid pid_1 pid_2 pid_3 pid_4 pid_5
#1 rid_1     0     0     0     0     0
#2 rid_2    50     0    45     7    18
#3 rid_3    24    45     0    88    12
#4 rid_4     0     0     0     0     0
#5 rid_5    27    18    12    92     0

秘密/技巧:

  • 使用因子变量告诉 R 什么值都是可能的以及顺序。

  • 在data.tables dcast中使用fill = 0(在没有的地方填零),drop = FALSE(为不存在的因子水平输入条目t 观察到)