代码之家 › 专栏 › 技术社区 › Milad

重塑篮子数据框,用于分离篮子中的项目

reshape dplyr r

1

Milad · 技术社区 · 8 年前

我处理客户购物篮的数据集。以下是一个示例:

  basket item quant
1      1    B     1
2      1    A     2
3      1    C     1
4      2    A     1
5      2    C     1
6      3    A     2
7      4    B     1
8      4    C     1

下面是复制它的代码:

input <- data.frame(
    basket = c(1,1,1,2,2,3,4,4),
    item = c("B","A","C","A","C","A","B","C"),
    quant=c(1,2,1,1,1,2,1,1)
)

因此,在第一个篮子中有三个指定数量的项目。我有一个自定义函数,只适用于特定格式的输入;我们定义了最大篮子大小。假设是5。现在,该函数的输入应如下所示:

  basket item_1 item_2 item_3 item_4 item_5
1      1      B      A      A      C    <NA>
2      2      A      C   <NA>   <NA>    <NA>
3      3      A      A   <NA>   <NA>    <NA>
4      4      B      C   <NA>   <NA>    <NA>

我一直在尝试使用 dplyr 和 summarise 但是没有运气。任何帮助都将不胜感激!

2 回复 | 直到 8 年前

1

2

Jaap 8 年前

另一种可能的解决方案:

library(dplyr)
library(tidyr)

input[rep(1:nrow(input), input$quant),] %>% 
  group_by(basket) %>% 
  mutate(item2 = paste0('item_', row_number())) %>% 
  complete(item2 = paste0('item_', 1:5)) %>% 
  select(-quant) %>% 
  spread(item2, item)

其中给出:

# A tibble: 4 x 6
  basket item_1 item_2 item_3 item_4 item_5
   <dbl> <fct>  <fct>  <fct>  <fct>  <fct> 
1     1. B      A      A      C      NA    
2     2. A      C      NA     NA     NA    
3     3. A      A      NA     NA     NA    
4     4. B      C      NA     NA     NA

使用相同的逻辑,但 data.table -包装:

library(data.table)
setDT(input)

input[input[, rep(.I, quant)]
      ][, .(basket, item, item2 = paste0('item_', rowid(basket)))
        ][CJ(basket = basket, item2 = paste0('item_', 1:5), unique = TRUE)
          , on = .(basket, item2)
          ][, dcast(.SD, basket ~ item2, value.var = 'item')]

2

Sotos 8 年前

这里有一个想法 tidyverse 。这里的技巧是根据 quant ,然后移除 数量 变量,这样就不会影响对宽数据帧的重塑。然后创建 new 变量,它将处理重复项,当然最后 spread 以获得所需的宽数据帧。

library(tidyverse)

df[rep(rownames(df), df$quant),] %>% 
 select(-quant) %>% 
 group_by(basket) %>% 
 mutate(new = paste0('item_', row_number())) %>% 
 spread(new, item)

因此,

# A tibble: 4 x 5
# Groups:   basket [4]
  basket item_1 item_2 item_3 item_4
   <dbl> <fct>  <fct>  <fct>  <fct> 
1     1. B      A      A      C     
2     2. A      C      NA     NA    
3     3. A      A      NA     NA    
4     4. B      C      NA     NA