为什么 dcast 给出 1 和 0？ [复制]答案

【问题标题】：Why is dcast giving 1 and 0? [duplicate]为什么 dcast 给出 1 和 0？ [复制]
【发布时间】：2020-06-08 08:07:32
【问题描述】：

我有以下数据框

FileNumber<-c("510708396","510708396","510708396","510708485","510667325")
EventCode<-c("CASCRT","DISCSENT","DISCSENT","CASCRT","DISCSENT")
EventDate<-c("8/21/2018 12:00:00 AM","12/3/2018 2:41:18 PM","12/3/2018 3:50:16 PM","8/23/2018 12:00:00 AM","12/12/2018 9:11:28 AM")

df<-data.frame(FileNumber,EventCode,EventDate)
  FileNumber EventCode             EventDate
1  510708396    CASCRT 8/21/2018 12:00:00 AM
2  510708396  DISCSENT  12/3/2018 2:41:18 PM
3  510708396  DISCSENT  12/3/2018 3:50:16 PM
4  510708485    CASCRT 8/23/2018 12:00:00 AM
5  510667325  DISCSENT 12/12/2018 9:11:28 AM

我想将这个长格式数据框更改为宽格式数据，并使用 EventCodes CASRT 和 DISCSENT 作为列名。我尝试了以下

library(reshape2)
dcast(df,FileNumber~EventCode,value.var = "EventDate")

但是我收到以下消息和一条消息，即 “缺少聚合函数：默认为长度”，正如我所期望的 EventDate 值。

  FileNumber CASCRT DISCSENT
1  510667325      0        1
2  510708396      1        2
3  510708485      1        0

我猜这与FileNumber 中的非唯一值有关我如何确保获得事件日期值而不是 1 和 0。

【问题讨论】：

表示有重复，可以找subset(df, FileNumber == 510667325 & EventCode == 'DISCSENT')

标签： r reshape2 dcast

【解决方案1】：

您收到此错误是因为有多个行具有相同 EventNumber 和 EventCode。在尝试将数据转换为宽格式时，reshape 不知道如何处理多个值并使用其备用解决方案 lenght（即计算此单元格中有多少元素）

您需要决定在每个单元格有多个值的情况下要如何进行。

您可以将EventDate 列转换为日期时间格式，以便计算平均值。或者只使用max 或min。

如果您想将每个日期保留在列表中，我强烈建议您使用 tidyr s pivot_wider 函数：

FileNumber<-c("510708396","510708396","510708396","510708485","510667325")
EventCode<-c("CASCRT","DISCSENT","DISCSENT","CASCRT","DISCSENT")
EventDate<-c("8/21/2018 12:00:00 AM","12/3/2018 2:41:18 PM","12/3/2018 3:50:16 PM","8/23/2018 12:00:00 AM","12/12/2018 9:11:28 AM")

df<-data.frame(FileNumber,EventCode,EventDate)

library(dplyr)
library(tidyr)

df2 <- df %>%
  pivot_wider(names_from = EventCode,
              values_from = EventDate)

这会引发警告，但会将多个元素放在一个列表中：

df2 现在是：

# A tibble: 3 x 3
  FileNumber      CASCRT    DISCSENT
  <fct>      <list<fct>> <list<fct>>
1 510708396          [1]         [2]
2 510708485          [1]         [0]
3 510667325          [0]         [1]

我们可以访问列表中的元素：

df2$DISCSENT[1]

list_of<factor<b7763>>[1]>
[[1]]
[1] 12/3/2018 2:41:18 PM 12/3/2018 3:50:16 PM
5 Levels: 12/12/2018 9:11:28 AM ... 8/23/2018 12:00:00 AM

【讨论】：