R Spread Data Frame基于行名

Question

我有一个包含两列的数据框。行名称被复制为具有一些公共字段的报告列表中的数据圆顶。每个报告包含不同数量的字段。我想根据这些重复的行名称之一将此数据框扩展到多个列中。最终结果会使每份报告成行。

这些报告来自工作系统中存在的 API。它 returns 非常嵌套 JSON。我想看看将数据转换为这种格式是否会为我提供一种清理数据的方法。

最小数据示例

Column1       Column2
contentID      123
value1         California
value2         truck
value3         home
contentID      897
value1         Georgia
value2         car
value3         work
value4         boeing   
contentID      537
value2         truck
value4         private
value5         first class
value6         wheels

期望的结果

ContentID   value1     value2 value3 value4   value5      value6
123         California truck  home   NA       NA          NA
897         Georgia    car    work   boeing   NA          NA  
537         NA         truck  NA     private  firstclass  wheels

Answer 1

一个 tidyverse 可能性是：

df %>%
 mutate(id = cumsum(grepl("content", Column1))) %>%
 group_by(id) %>%
 mutate(ContentID = first(Column2)) %>%
 filter(!grepl("content", Column1)) %>%
 ungroup() %>%
 select(-id) %>%
 spread(Column1, Column2)

  ContentID value1     value2 value3 value4  value5      value6
  <chr>     <chr>      <chr>  <chr>  <chr>   <chr>       <chr> 
1 123       California truck  home   <NA>    <NA>        <NA>  
2 537       <NA>       truck  <NA>   private first_class wheels
3 897       Georgia    car    work   boeing  <NA>        <NA>

在这里，它首先根据 content 在 "Column1" 中的出现创建一个 ID 变量，并按它分组。其次，它创建了一个 "ContentID" 变量，其中包含每组 "Column2" 第一行的值。第三，过滤掉"Column1"中包含content的行。最后，它传播了数据。

Answer 2

你可以简单地这样做-

library(data.table)
library(zoo)
setDT(dt)
dt[,id:=ifelse(Column1 %like% "contentID",paste(Column2),NA)]
dt[,id:=na.locf(id)]
dcast.data.table(dt,id~Column1,value.var="Column2",subset = .(Column1!="contentID"))


 id     value1 value2 value3  value4     value5 value6
1: 123 California  truck   home    <NA>       <NA>   <NA>
2: 537       <NA>  truck   <NA> private firstclass wheels
3: 897    Georgia    car   work  boeing       <NA>   <NA>

注意- 如果你有大数据集，效率会更高。

R Spread Data Frame基于行名

R Spread Data Frame based on row names

r

spread

dplyr

tidyr