在 R 中将键值表透视到整洁的数据框答案

【问题标题】：Pivot Key-Value Table to Tidy Data Frame in R在 R 中将键值表透视到整洁的数据框
【发布时间】：2020-09-28 00:05:42
【问题描述】：

我有一个格式如下的数据框：

df_before <- 
  tibble(
    key = rep(c('rank', 'name', 'metric'), 5), 
    value = c(
      1, 'name1', 4352, 
      2, 'name2', 2181, 
      3, 'name3', 1399, 
      4, 'name4', 1087, 
      5, 'name5', 1010
    ))

# A tibble: 15 x 2
   key    value
   <chr>  <chr>
 1 rank   1    
 2 name   name1
 3 metric 4352 
 4 rank   2    
 5 name   name2
 6 metric 2181 
 7 rank   3    
 8 name   name3
 9 metric 1399 
10 rank   4    
11 name   name4
12 metric 1087 
13 rank   5    
14 name   name5
15 metric 1010

我需要把它变成这种格式：

df_after <- 
  tibble(
    rank = 1:5, 
    name = c('name1', 'name2', 'name3', 'name4', 'name5'), 
    metric = c(4352, 2181, 1399, 1087, 1010)
    )

# A tibble: 5 x 3
   rank name  metric
  <int> <chr>  <dbl>
1     1 name1   4352
2     2 name2   2181
3     3 name3   1399
4     4 name4   1087
5     5 name5   1010

我知道tidyr 中有枢轴函数，但我无法从文档中找出语法。 Tidyverse 是首选，但任何库或基本函数都可以。

【问题讨论】：

标签： r pivot tidyr melt

【解决方案1】：

在基础 R 中你可以这样做：

unstack(df_before,value~key)

  metric  name rank
1   4352 name1    1
2   2181 name2    2
3   1399 name3    3
4   1087 name4    4
5   1010 name5    5

要将类型转换为整数/双精度，您可以这样做：

type.convert(unstack(df_before,value~key))

【讨论】：

【解决方案2】：

在data.table 中我们可以使用dcast：

library(data.table)
dcast(setDT(df_before), rowid(key)~key, value.var = 'value')[, key:= NULL][]

#   metric  name rank
#1:   4352 name1    1
#2:   2181 name2    2
#3:   1399 name3    3
#4:   1087 name4    4
#5:   1010 name5    5

【讨论】：

【解决方案3】：

我们可以创建一个序列列然后执行pivot_wider

library(dplyr)
library(tidyr)
library(data.table)
df_before %>% 
   mutate(rn = rowid(key)) %>% 
   pivot_wider(names_from = key, values_from = value) %>%
   select(-rn) %>%
   type.convert(as.is = TRUE)
# A tibble: 5 x 3
#   rank name  metric
#  <int> <chr>  <int>
#1     1 name1   4352
#2     2 name2   2181
#3     3 name3   1399
#4     4 name4   1087
#5     5 name5   1010

或带有group_split的选项

df_before %>%
    group_split(key = factor(key, levels = unique(key)), .keep = FALSE) %>% 
    bind_cols %>% 
    set_names(unique(df_before$key)

或使用base R

data.frame(split(df_before$value, df_before$key))
#  metric  name rank
#1   4352 name1    1
#2   2181 name2    2
#3   1399 name3    3
#4   1087 name4    4
#5   1010 name5    5

【讨论】：