问题标签 [dcast]

我正在处理纵向数据集，并以长格式 data.table 对主题进行重复观察。大多数受试者有少数（<10）次重复观察，而少数受试者有许多（>100）次观察。我可以将这个数据集从长转换为宽，如下所示，但它变得非常宽（我在每个时间点都有很多变量）并且大部分都充满了 NA，因为大多数受试者在 11 到 100 的时间没有变量数据. 有没有更优雅的方式将这些数据重铸为宽格式？我在想一些类似于其他语言中参差不齐的数组的东西......

这里存在一些解决方案，但对我来说一个大问题是对象大小：具有大量 NA 的宽矩阵占用了大量不必要的空间。

下面是具有我当前（不希望的稀疏矩阵）解决方案的 MWE。理想情况下，如果某种参差不齐的列表方法可行，则生成的对象将具有 3 行和 3 列，其中“年份”和“代码”列是列表或类似的。作为奖励，如果我可以将“代码”变量嵌套在“年份”变量中作为嵌套的不规则数组，那就太好了。

让我们以空气质量数据集为基础。

这让我简化了我的真实数据集。到目前为止，我已经这样做了：

这给了我这个：

但是，我正在尝试为每个当前数字列创建一个额外的变量“-percentage-of-days”-subtotal列。所以我的目标是这样的：

对不起，糟糕的格式！但正如您所希望看到的，新的附加列给出了当天和当月每个变量的百分比。

我发现另一个 Stack Overflow 助手建议使用 tidyr 和 dplyr，但我无法根据我的需要调整他们的示例。有人可以告诉我该怎么做吗？

我对 data.table 的超快速度感到惊讶。下面的代码完全符合我的需要，但是当在大表上执行时，它的性能不是很好。

确信这可以通过 data.table 更快地完成，但我不知道如何。

输出

输出需要是一个矩阵，其中行名是一个规则的天序列。分别为每一列：

• 第一个值之前的所有值都需要为 NA
• 最后一个值之后的所有值都必须是 NA
• 在第一个值和最后一个值之间需要添加 0，因为输入表中不存在

以下代码显示了结果的样子：

输出示例

输入

下表显示了编码/功能的来源/输入：

输入示例

代码工作

以下几行正是我需要的，而且很简单。不过效率不高。
真实表有 700 个唯一的 C 值和 200 万个 E 值。

我做了一些冗长的、不可读的、笨拙的编码，它在 35 秒内创建了包含 1.2B 个单元的矩阵。使用 data.table 必须尽可能快但更优雅，但不是这样。

我有一个这样的data.frame：

我想把它转换成这样的东西：

目前我正在使用dcast，如下：

dcast(stats, P ~ Stat, value.var = "V")，这在没有“点”的情况下有效。当我添加点时，它开始使用 _1、_2 等复制新列名。

任何帮助表示赞赏。这不是一个学校项目，我只是一个好奇的顾问，试图在我感兴趣的问题上更新我的统计技能！

我正在尝试将下面已经有效的代码变成一个函数。

类似的情况，dcast + DT，已经在这里讨论过了！但我无法解决这样的问题。

我想要实现的是：

• 只更改多行代码的两个参数，并且
• 将函数中每一行创建的对象写入工作目录

这是已经有效的代码：

我对该功能的尝试：

create.Feature <- function(col1, stat) {

和电话：

我收到以下错误： .subset2(x, i, exact = exact) 中的错误：级别 1 没有此类索引

任何人？

我有一个两部分的问题。在创建类似于我所拥有的数据集时，我们可以从空气质量数据集开始：

给我们这个：

第一个问题：如何从每个每日（全部）小计中去除风？

我确信我们打算使用dplyr，也许完全代替dcast，但是对于我的生活，我找不到一个展示小计排除的例子。

第二个问题：同样，我们也在尝试计算如何包含所有变量的每日平均行，不包括Temp。所以数据集看起来像这样：

在这里，Day Avg是Ozone、Solar.R和Wind的平均值——不包括Temp。

并且(all)是Ozone、Solar.R和Temp的总和——不包括Wind。

我认为这是另一种情况dplyr，这将是一个类似的解决方案，但我想我会问这两个问题。

编辑：值得一提的是，我的真实世界数据每天“每天”有四个以上的变量，其中一些变量实际上并不每天都出现，但仍然需要包含在每日“日平均”和“（所有)' 计算，因此按名称排除变量（即Temp或Wind）而不是命名所有需要包含的变量（即Ozone和Solar.R）会更干净。

我正在尝试从长格式数据转移到宽格式数据，以便进行一些相关性分析。

但是，dcast 似乎为第一个主题创建了行，并将数据拆分到这两行中，用 NA 填充创建的空单元格。

当我使用字母数字主题代码时，前 2 个主题被复制，我去了数字主题编号，并且必须只复制第一个主题。

长格式数据框的前几行：

创建变量列表：

我的 dcast 命令：

生成的宽格式的前几行：

注意主题 1 有 2 个条目。所有其他主题似乎都是正确的

这是我的命令/参数的问题吗？dcast 中的错误？

编辑1：通过消除过程，仅当我包含“rSII”变量时才会出现额外的条目。这是根据脚本中的上一步计算的变量：

该计算变量是否有一些东西会弄乱某些科目的 dcast ？

编辑 2 以添加我的解决方法：

我最终将计算出的变量四舍五入到小数点后 3 位，这解决了问题。现在一切都在正确投射，没有重复。

我正在尝试使用以下数据在 R 中构建项目频率矩阵。

我想要的只是一个表，其中唯一用户作为行，audioID 作为列。我知道我需要使用 dcast 方法来执行此操作，但无法弄清楚该怎么做。我尝试了以下代码，但我知道它不是正确的解决方案。

所需的输出是：

任何帮助都会很有用。

我正在尝试将长格式风数据转换为宽格式。风速和风向都列在 Parameter.Name 列中。这些值需要由 Local.Site.Name 和 Date.Local 变量转换。

如果每个唯一的 Local.Site.Name + Date.Local 行有多个观察值，那么我想要这些观察值的平均值。内置参数“fun.aggregate = mean”适用于风速，但无法以这种方式计算平均风向，因为值以度为单位。例如，靠近北 (350, 10) 的两个风向的平均值将输出为南 (180)。例如：((350 + 10)/2 = 180)，尽管极坐标平均值为 360 或 0。

“圆形”包将允许我们计算平均风向而无需执行任何三角函数，但我在尝试将这个附加函数嵌套在“fun.aggregate”参数中时遇到了麻烦。我认为一个简单的 else if 语句可以解决问题，但我遇到了以下错误：

目标是能够使用fun.aggregate = mean风速，但mean(circular(Wind Direction, units = 'degrees')风向。

这是原始数据（>100MB）： https ://drive.google.com/open?id=0By6o_bZ8CGwuUUhGdk9ONTgtT0E

这是数据的子集（第 100 行）： https ://drive.google.com/open?id=0By6o_bZ8CGwucVZGT0pBQlFzT2M

这是我的脚本：

任何帮助将不胜感激！

-spacedSparking

编辑：这是解决方案：

我有一个这样的数据集：

这导致：

我想将其转换为：

到目前为止，我的方法是融合数据和后来的 Dcast：

但我没有得到想要的输出，而是得到：