将数据从长格式重塑为宽格式

Question

我正在寻找 swift 将数据从长格式重塑为宽格式的方法。现在我尝试了一个带有嵌套for循环的代码，虽然工作完成了，但需要很长时间才能生成输出。

SN NN EE Service_tier
A  B  C  economy
B  C  C  economy
P  Q  R  regular
Q  S  R  regular
S  R  R  regular
H  I  L  economy
I  J  L  economy
J  K  L  economy
K  L  L  economy

预期的输出如下

SN hop1 hop2 hop3 hop4 service_tier
A   B    C              economy
P   Q    S    R         regular
H   I    J    K    L    economy

目前以下代码可以完成工作。我确信有一种有效且干净的方法可以做到这一点。

for (i in 1:lasrow){
  sn <- raw_d[i,1]
  nn <- raw_d[i,2]
  en <- raw_d[i,3]

  lc <- 1

  if(nn == en){
    d[lr,lc]<-sn
    d[lr,lc+1]<-nn
    d[lr,lc+2]<-en
    lr <- lr+1
  }
  else{
    while(nn!=en){
      d[lr,lc]<-sn
      lc <- lc+1
      next_d <- filter(raw_d,raw_d$SN==sn,raw_d$EN==en)
      if(dim(next_d)[1]==0){
        d[lr,lc]<-"broken bf"
        lc <- lc+1
        break
      }else{
        sn <- next_d$NN
        nn <- next_d$NN
        }
      }
    d[lr,lc]<-en
    lr<-lr+1
  }
}

Answer 1

一个选项是使用 rleid 从 data.table 创建一个唯一序列，gather 数据帧为长格式，从每个组中删除重复项，分配列名和 spread 它回到宽格式。

library(dplyr)
library(tidyr)

df %>%
  mutate(row = data.table::rleid(Service_tier)) %>%
  gather(key, value, -Service_tier, -row) %>%
  group_by(row) %>%
  filter(!duplicated(value)) %>%
  mutate(key = c("SN", paste0("hop", 1:(n() - 1)))) %>%
  spread(key, value) %>%
  ungroup() %>%
  select(-row) %>%
  select(SN, starts_with("hop"), Service_tier)

# A tibble: 3 x 6
#  SN    hop1  hop2  hop3  hop4  Service_tier
#  <chr> <chr> <chr> <chr> <chr> <fct>       
#1  A     B     C     NA    NA    economy     
#2  H     I     J     K     L     economy     
#3  P     Q     S     R     NA    regular

Answer 2

我们可以使用data.table。将 'data.frame' 转换为 'dat.table'（setDT(df1)，在 'Service_tier' 上按 rleid 分组，将 'SN' 的值更改为 first按 'grp' 分组的元素，然后按 'Service_tier'、'SN' 分组，从 [=29] 中获取 Data.table 和 dcast 子集的 unique 元素=] 到 'wide' 格式

library(data.table)
dcast(setDT(df1)[, SN := first(SN), rleid(Service_tier)][, 
    unique(unlist(.SD)), .(SN, Service_tier)], 
    SN + Service_tier ~ paste0("hop", rowid(SN)), value.var = "V1", fill = "")
#  SN Service_tier hop1 hop2 hop3 hop4
#1:  A      economy    B    C          
#2:  H      economy    I    J    K    L
#3:  P      regular    Q    S    R

数据

df1 <- structure(list(SN = c("A", "B", "P", "Q", "S", "H", "I", "J", 
"K"), NN = c("B", "C", "Q", "S", "R", "I", "J", "K", "L"), EE = c("C", 
"C", "R", "R", "R", "L", "L", "L", "L"), Service_tier = c("economy", 
"economy", "regular", "regular", "regular", "economy", "economy", 
"economy", "economy")), class = "data.frame", row.names = c(NA, 
-9L))

Answer 3

这里的关键点是识别哪些行属于哪个组。 and 的答案都使用 rleid(Service_tier) 假设 Service_tier 的变化表示新组的开始。

这可能是样本数据集建议的，但不能被视为保证。恕我直言，Service_tier 与其说是键，不如说是属性。事实上，OP 正在他的代码片段中测试 NN == EE 以切换到新组。

在下面的 data.table 解决方案中，分组由 cumsum(shift(NN == EE, fill = TRUE)) 确定，它测试 NN 和 EE 是否相等，将结果滞后到下一行，其中下一组开始，并通过使用 cumsum().

计数 TRUE 来枚举组

在简化版本（没有整形）中，跳数由 toString() 函数聚合：

library(data.table)
setDT(d)[, .(SN = first(SN), hops = toString(NN), Service_tier = first(Service_tier)), 
  by = .(grp = cumsum(shift(NN == EE, fill = TRUE)))][]

   grp SN       hops Service_tier
1:   1  A       B, C      economy
2:   2  P    Q, S, R      regular
3:   3  H I, J, K, L      economy

为了从长格式重塑为宽格式，使用了dcast()：

library(data.table)
library(magrittr)   # piping used to improve readability
w <- setDT(d)[, .(SN = first(SN), hops = NN, Service_tier = first(Service_tier)), 
  by = .(grp = cumsum(shift(NN == EE, fill = TRUE)))] %>% 
  dcast(grp + ... ~ rowid(grp, prefix = "hop"), value.var = "hops", fill = "")  %>%  
  setcolorder(c(1:2, 4:ncol(.), 3))

w

   grp SN hop1 hop2 hop3 hop4 Service_tier
1:   1  A    B    C                economy
2:   2  P    Q    S    R           regular
3:   3  H    I    J    K    L      economy

setcolorder() 用于按照 OP 预期的顺序重新排列列。这是完成的 in-place，即没有复制整个数据对象。

数据

library(data.table)

d <- fread("SN NN EE Service_tier
A  B  C  economy
B  C  C  economy
P  Q  R  regular
Q  S  R  regular
S  R  R  regular
H  I  L  economy
I  J  L  economy
J  K  L  economy
K  L  L  economy")

将数据从长格式重塑为宽格式

Reshape the data from long to wide format

r

reshape

dplyr

数据

数据