按多个条件合并并将重复项拆分为单独的列？

Question

我很确定在某个时候有人问过这个问题并得到了回答，但我是一个新手，真的缺乏有效找到问题和解决方案的词汇。我有一个简单的任务，由于内部内存限制，我无法在 Excel 中执行，但我对 SQL 或 R 的了解不够，无法弄清楚如何在其中任何一个平台上执行。

我有两张表，一张有带有唯一 ID 号的唯一条目，另一张有这些 ID 号的多个副本，每个都显示不同的数字（代表职业生涯中的每个新薪水）。我正在尝试将每个薪水映射到原始的唯一 ID 表，为每个可能的更改创建新列 (Salary1:Salary50)。最终，我还需要绘制每个更改的日期和差异以进行分析。这是一个例子：

这是唯一的 ID 表：

Table 1                 
ID  Salary1 Salary2 Salary3 Salary4 Salary5
1   ?   ?   ?   ?   ?
2   ?   ?   ?   ?   ?
3   ?   ?   ?   ?   ?
4   ?   ?   ?   ?   ?
5   ?   ?   ?   ?   ?

这是带有重复 ID 的工资表和我想要的信息：

Table2      
ID  Salary  SalaryDate
1   10  1/1/2014
1   11  1/1/2015
1   12  1/1/2016
2   12  1/1/2015
2   13  1/1/2016
3   10  1/1/2016
4   10  1/1/2014
4   12  1/1/2015
4   14  1/1/2016
5   10  1/1/2016

最终状态应该是这样的：

Table3                  
ID  Salary1 Salary2 Salary3 Salary4 Salary5
1   10  11  12  0   0
2   12  13  0   0   0
3   10  0   0   0   0
4   10  12  0   0   0
5   10  0   0   0   0

我构建了一个多标准 Vlookup 以将所有内容提取到正确的列中，但数据集有超过 100,000 行要检查，因此它无法在内存方面完成它。谁能建议我如何在 Access、R、SPSS 中做同样的事情，或者我是否可以使用一些高效的 Excel-VBA 代码？

感谢您的帮助！

Answer 1

我不知道“Vlookup”是什么，但显然您正在寻找这样的东西：

DF <- read.table(text = "ID  Salary  SalaryDate
                 1   10  1/1/2014
                 1   11  1/1/2015
                 1   12  1/1/2016
                 2   12  1/1/2015
                 2   13  1/1/2016
                 3   10  1/1/2016
                 4   10  1/1/2014
                 4   12  1/1/2015
                 4   14  1/1/2016
                 5   10  1/1/2016", header = TRUE)

#years of employment assuming the table is sorted by dates
DF$y <- ave(DF$ID, DF$ID, FUN = seq_along)

#reshape
library(reshape2)
dcast(DF, ID ~ y, value.var = "Salary", fill = 0)
#  ID  1  2  3
#1  1 10 11 12
#2  2 12 13  0
#3  3 10  0  0
#4  4 10 12 14
#5  5 10  0  0

请注意，这不是 R 中非常有用的数据格式。您的原始数据格式似乎对进一步分析更有用。

Answer 2

假设 Table1 中的 ID 是 Table2 中 ID 的子集，我们只需要这些。此外，我们希望Salary1 结果列中的任何 ID 的第一个薪水，Salary2 结果列中的第二个薪水等等。首先计算 Seq，任何ID 中的第一个日期为 1，第二个为 2，依此类推。然后从这些序列号中创建一个因子，这些序列号的级别由表 1 中的 Salary 列标记。在最后一个语句子集Table2 到Table1 的ID 值（在显示的数据的情况下，它们是相同的，因此它没有任何影响）并使用xtabs 从长形式重塑为宽形式。没有使用任何包。

 Seq <- ave(1:nrow(Table2), Table2$ID, FUN = seq_along)
 Table0 <- Table1[-1] # Table0 is Table1 without ID column
 Table2$SalaryNo <- factor(Seq, levels = 1:ncol(Table0), labels = colnames(Table0))
 xtabs(Salary ~ ID + SalaryNo, data = subset(Table2, ID %in% Table1$ID))

给予：

   Salary_No
ID  Salary1 Salary2 Salary3 Salary4 Salary5
  1      10      11      12       0       0
  2      12      13       0       0       0
  3      10       0       0       0       0
  4      10      12      14       0       0
  5      10       0       0       0       0

注意：这些表格不是以可重复的形式提供的，解决方案可能具体取决于它们是什么，所以我们假设：

Lines1 <- "
ID  Salary1 Salary2 Salary3 Salary4 Salary5
1   ?   ?   ?   ?   ?
2   ?   ?   ?   ?   ?
3   ?   ?   ?   ?   ?
4   ?   ?   ?   ?   ?
5   ?   ?   ?   ?   ?"
Table1 <- read.table(text = Lines1, header = TRUE)

Lines2 <- "
ID  Salary  SalaryDate
1   10  1/1/2014
1   11  1/1/2015
1   12  1/1/2016
2   12  1/1/2015
2   13  1/1/2016
3   10  1/1/2016
4   10  1/1/2014
4   12  1/1/2015
4   14  1/1/2016
5   10  1/1/2016"
Table2 <- read.table(text = Lines2, header = TRUE)

更新：相应地更改了假设和代码。还修复了一个错误（不影响显示的数据但可能影响其他数据）。