使用 data.table 功能将长结构化 data.table 重塑为宽结构？答案

【问题标题】：Reshape long structured data.table into a wide structure using data.table functionality?使用 data.table 功能将长结构化 data.table 重塑为宽结构？
【发布时间】：2013-08-05 13:05:53
【问题描述】：

> library(data.table)
> A <- data.table(x = c(1,1,2,2), y = c(1,2,1,2), v = c(0.1,0.2,0.3,0.4))
> A
   x y   v
1: 1 1 0.1
2: 1 2 0.2
3: 2 1 0.3
4: 2 2 0.4
> B <- dcast(A, x~y)
Using v as value column: use value.var to override.
> B
  x   1   2
1 1 0.1 0.2
2 2 0.3 0.4

显然，我可以使用 f.x 将 data.table 从长到宽重塑。包 reshape2 的 dcast。但是 data.table 带有一个重载的括号运算符，提供像“by”和“group”这样的参数，这让我想知道是否可以使用它来实现它（到 data.table 特定功能）？

手册中的一个随机示例：

DT[,lapply(.SD,sum),by=x]

这看起来很棒 - 但我还不完全了解它的用法。

我既没有找到方法也没有找到例子，所以也许这是不可能的，也许它甚至不应该是 - 所以，一个明确的“不，不可能，因为......”当然也是一个有效的答案。

【问题讨论】：

请看here。
抱歉，我不明白这与我的问题有什么关系。另请注意，B 的列类别动态取决于 A，因此“y”值的数量可能因情况而异。

标签： r data.table

【解决方案1】：

（归功于 Arun）

A[, setattr(as.list(v), 'names', y), by=x]

【讨论】：

[.data.table(A, , setattr(as.list(v), "names", y), by = x) 中的错误：j 不计算为相同数量的列每组

【解决方案2】：

我将选择一个包含不等组的示例，以便更容易说明一般情况：

A <- data.table(x=c(1,1,1,2,2), y=c(1,2,3,1,2), v=(1:5)/5)
> A
   x y   v
1: 1 1 0.2
2: 1 2 0.4
3: 1 3 0.6
4: 2 1 0.8
5: 2 2 1.0

第一步是使每组“x”的元素/条目数相同。这里，对于 x=1，y 有 3 个值，但对于 x=2，只有 2 个。所以，我们必须先用 NA 解决这个问题，因为 x=2, y=3。

setkey(A, x, y)
A[CJ(unique(x), unique(y))]

现在，要将其转换为宽格式，我们应该按“x”分组并在v 上使用as.list，如下所示：

out <- A[CJ(unique(x), unique(y))][, as.list(v), by=x]
   x  V1  V2  V3
1: 1 0.2 0.4 0.6
2: 2 0.8 1.0  NA

现在，您可以使用 setnames 的引用来设置重整列的名称，如下所示：

setnames(out, c("x", as.character(unique(A$y)))

   x   1   2   3
1: 1 0.2 0.4 0.6
2: 2 0.8 1.0  NA

【讨论】：

实际上你的第一个解决方案没有在你的帖子中给出。所以我会出于学术原因保留它！非常感谢您的努力！
第一个解决方案在每个组已经有相等的行时有效。最好在最后设置一次列的名称，而不是为每个组设置它（这是旧解决方案所做的）。在更大的数据上可能会出现性能问题。
好吧，这个解决方案我会在研究手册几周后找到......所以，这可能是非常主观的，但我认为我可以正确地说这个解决方案非常复杂并且详细说明 - 毫无疑问，这可能是我要求的仅使用 data.table 的最简单的解决方案。所以，我想从你那里知道，也许这个重塑数据集的领域并不是 data.table 真正应该解决的问题。关于 data.table 的经济和合理使用，您会在哪里划清界限，以及在哪里求助于其他工具？
计划将melt和cast添加到data.table。看FR #2627。 data.table 仍在发展中。仍有许多功能可能会被发现。所以，我不会把自己局限在它做这个、这个和这个的观点上。如果您认为有一个非常常见的操作或有用的操作并不简单，请添加功能请求。 MatthewDowle 对想法非常开放。另请查看 data.table 邮件列表。

【解决方案3】：

使用dcast()（现在是默认的data.table方法，从版本1.9.5开始；早期版本使用dcast.data.table），如

> dcast(A,x~y)
Using 'v' as value column. Use 'value.var' to override
   x   1   2   3
1: 1 0.2 0.4 0.6
2: 2 0.8 1.0  NA

这很快，无需setnames()。

当上面示例中的y 是具有字符级别的因子变量时，它也特别有用——例如'Low', 'Medium', 'High' - 因为CJ() 可能不会按照setnames() 预期的顺序返回带有变量的宽数据，并且最终可能会导致数据被错误标记。

【讨论】：