使用唯一行值作为列重新格式化数据框答案

【问题标题】：Reformat Dataframe With Unique Row Values as Columns使用唯一行值作为列重新格式化数据框
【发布时间】：2019-04-08 23:12:34
【问题描述】：

我有一个格式如下的数据框：

Order#     Product
1          Milk
1          Water
2          OJ
3          Soda
3          Lemonade

我想重新格式化，以便每个订单有 1 行，每个产品作为一列，以及一个二进制文件来指示该订单是否包含该列中的产品：

Order#     Lemonade     Milk     OJ     Soda     Water
1          0            1        0      0        1
2          0            0        1      0        0
3          1            0        0      1        0

我相信 reshape2 或 tidyverse 是我可以使用的软件包，但我不确定。任何有关如何执行此操作的帮助将不胜感激。

【问题讨论】：

只做table(df1)如果'Product'中有重复，那么+(table(df1) > 0)
真正的数据框有 130,000 多个订单和 153 个独特的产品。 table(df1) 给了我一个错误：“尝试使用 >= 2^31 个元素制作表格”
好的，你能在新的 R 会话上做 library(data.table);dcast(setDT(df1), Order# ~ Product)

标签： r

【解决方案1】：

我们可以使用data.table，因为它会更高效并且适用于更大的数据集

library(data.table)
dcast(setDT(df1), Order ~ Product, length)
#    Order Lemonade Milk OJ Soda Water
#1:     1        0    1  0    0     1
#2:     2        0    0  1    0     0
#3:     3        1    0  0    1     0

另外，如果有重复，请用逻辑表达式更改length

dcast(setDT(df1), Order ~ Product, function(x) as.integer(length(x) > 0))

对于较小的数据集，base R 中的 table 也不错

+(table(df1) > 0)

数据

df1 <- structure(list(Order = c(1L, 1L, 2L, 3L, 3L), Product = c("Milk", 
 "Water", "OJ", "Soda", "Lemonade")), class = "data.frame",
  row.names = c(NA, -5L))

【讨论】：

【解决方案2】：

df$v<-1
tidyr::spread(df,Product,v,fill=0)

  Order Lemonade Milk OJ Soda Water
1     1        0    1  0    0     1
2     2        0    0  1    0     0
3     3        1    0  0    1     0

【讨论】：