【问题标题】:How to expand data before reshape in R如何在R中重塑之前扩展数据
【发布时间】:2015-02-12 15:02:05
【问题描述】:

我有一个如下所示的数据框:

as.is <- data.frame(Project = c('Proj A', 'Proj B', 'Proj C', 'Proj D'), 
               Start.Date = c('16.02.2015', '02.03.2015', '16.02.2015', '09.03.2015'), 
               Duration = c(3, 2, 2, 4),
               No.Of.Resources = c(3, 5, 2, 6))

我需要更改格式,使其看起来像这样:

to.be <- data.frame(Project = c('Proj A', 'Proj B', 'Proj C', 'Proj D'),
                '16.02.2015' = c(3, NA, 2, NA),
                '23.02.2015' = c(3, NA, 2, NA),
                '02.03.2015' = c(3, 5, NA, NA),
                '09.03.2015' = c(NA, 5, NA, 6),
                '16.03.2015' = c(NA, NA, NA, 6),
                '23.03.2015' = c(NA, NA, NA, 6),
                '30.03.2015' = c(NA, NA, NA, 6))

我不知道如何扩展日期,所以我每行得到一个,这样我就可以在数据上使用 reshape2。我可以得到一份我想成为我的头衔的日期列表,但看不到如何将这些部分组合在一起。

解决这个问题的正确方法是什么?

编辑:澄清一下,Duration 是周数,所以我需要生成标题为 x、x+7、x+14 的列...

【问题讨论】:

  • 您希望如何处理日期重复的记录(例如 as.is 中的第 1,3 行)?
  • @Marat Talipov 连接成一列。我假设我会进行某种融合以获取长格式数据并进行演员表传播以将多个参考文献放在一起。

标签: r reshape expand


【解决方案1】:

这是一种似乎可行的方法。它使用我的“splitstackshape”包中的expandRowsgetanID,然后使用“data.table”中的dcast.data.table 将值传播为宽格式:

as.is$Start.Date <- as.Date(as.character(as.is$Start.Date), "%d.%m.%Y")

library(splitstackshape)
dcast.data.table(
  getanID(
    expandRows(as.is, "Duration"), 
    c("Project", "Start.Date"))[
      , Start.Date := Start.Date + (.id-1) * 7], 
  Project ~ Start.Date, value.var = "No.Of.Resources")
#    Project 2015-02-16 2015-02-23 2015-03-02 2015-03-09 2015-03-16 2015-03-23 2015-03-30
# 1:  Proj A          3          3          3         NA         NA         NA         NA
# 2:  Proj B         NA         NA          5          5         NA         NA         NA
# 3:  Proj C          2          2         NA         NA         NA         NA         NA
# 4:  Proj D         NA         NA         NA          6          6          6          6

在这种情况下,“dplyr”确实有助于更好地阅读解决方案:

library(splitstackshape)
library(dplyr)
library(tidyr)

as.is$Start.Date <- as.Date(as.character(as.is$Start.Date), "%d.%m.%Y")
expandRows(as.is, "Duration") %>%                   # expand the data
  getanID(c("Project", "Start.Date")) %>%           # add an "id" column
  mutate(Start.Date = Start.Date + (.id-1) * 7) %>% # recalculate start dates
  select(-.id) %>%                                  # drop the "id" column
  spread(Start.Date, No.Of.Resources)               # reshape long to wide

【讨论】:

    【解决方案2】:

    我会在 data.table 中以不同的方式执行此操作。更新了新的解决方案:

    library(data.table)
    dt = as.data.table(as.is)
    dt[, Start.Date := as.Date(Start.Date, '%d.%m.%Y')]
    
    # use dcast.data.table before version 1.9.5
    dcast(dt[, list(seq(Start.Date, length.out = Duration, by = '1 week'), No.Of.Resources)
             , by = Project], Project ~ V1)
    

    旧的(且不必要的复杂)解决方案:

    # expand out Start.Date by Project
    dates.all = dt[, seq(Start.Date, length.out = Duration, by = '1 week'), by = Project]
    
    # set the key and do a rolling join, then dcast
    # (can use just dcast in version 1.9.5+, have to use dcast.data.table before that)
    setkey(dt, Project, Start.Date)
    dcast(dt[dates.all, roll = TRUE], Project ~ Start.Date)
    #   Project 2015-02-16 2015-02-23 2015-03-02 2015-03-09 2015-03-16 2015-03-23 2015-03-30
    #1:  Proj A          3          3          3         NA         NA         NA         NA
    #2:  Proj B         NA         NA          5          5         NA         NA         NA
    #3:  Proj C          2          2         NA         NA         NA         NA         NA
    #4:  Proj D         NA         NA         NA          6          6          6          6
    

    【讨论】:

      【解决方案3】:

      我建议使用tidyr 包而不是reshape2。虽然tidyr 导入reshape2 是为了做一些操作,但我相信它是它的继任者。

      # Convert to Date class to sort the columns correctly
      as.is$Start.Date <- as.Date(as.character(as.is$Start.Date), "%d.%m.%Y")
      
      intermediate <- with(as.is, data.frame(
          Project = rep(Project, Duration),
          Date = rep(Start.Date, Duration) +
                 7*(unlist(lapply(Duration, seq_len))-1),
          No.Of.Resources = rep(No.Of.Resources, Duration)
      ))
      
      require(tidyr)
      result <- spread(intermediate, Date, No.Of.Resources)
      

      看你得到的结果

        Project 2015-02-16 2015-02-23 2015-03-02 2015-03-09 2015-03-16 2015-03-23
      1  Proj A          3          3          3         NA         NA         NA
      2  Proj B         NA         NA          5          5         NA         NA
      3  Proj C          2          2         NA         NA         NA         NA
      4  Proj D         NA         NA         NA          6          6          6
        2015-03-30
      1         NA
      2         NA
      3         NA
      4          6
      

      在它上面调用dput(result) 会产生你想要的东西

      structure(list(
          Project = structure(1:4, .Label = c("Proj A", "Proj B", "Proj C", "Proj D"), class = "factor"),
          `2015-02-16` = c(3, NA, 2, NA),
          `2015-02-23` = c(3, NA, 2, NA),
          `2015-03-02` = c(3, 5, NA, NA),
          `2015-03-09` = c(NA, 5, NA, 6),
          `2015-03-16` = c(NA, NA, NA, 6),
          `2015-03-23` = c(NA, NA, NA, 6),
          `2015-03-30` = c(NA, NA, NA, 6)),
          .Names = c("Project", "2015-02-16", "2015-02-23", "2015-03-02", "2015-03-09", "2015-03-16", "2015-03-23", "2015-03-30"),
          class = "data.frame", row.names = c(NA, 4L))
      

      【讨论】:

      • @Backlin 是的。我的问题是持续时间意味着该项目将从开始日期开始持续 x 周。如果它是一个单一的日期,我会好的,但我不知道我如何将持续时间为 4 周的 dd.mm.yyyy 转换为长格式的 4 行,然后我可以旋转(或者在一次与 dcast)
      猜你喜欢
      • 2023-03-16
      • 1970-01-01
      • 2017-02-11
      • 1970-01-01
      相关资源
      最近更新 更多