代码之家 › 专栏 › 技术社区 › Andrew

在r中使用dplyr对data.frame进行speading操作

dplyr for-loop r

2

Andrew · 技术社区 · 8 年前

我有一个大的 data.frame 结构如下 df

df <- data.frame(id = c(rep("A",3), rep("B", 2), rep("C", 4)), 
                 x = c(paste0(letters[1:3],1) , paste0(letters[1:2],3), 
                       paste0(letters[1:4], 1)) , 
                 y = 1:9, z = 2:10 )
#   id  x y  z
# 1  A a1 1  2
# 2  A b1 2  3
# 3  A c1 3  4
# 4  B a3 4  5
# 5  B b3 5  6
# 6  C a1 6  7
# 7  C b1 7  8
# 8  C c1 8  9
# 9  C d1 9 10

在真实的数据集中,有一个额外的维度(时间)和更多的数字列。我想操纵 东风 使用 dplyr 按以下方式打包(因为在这种操作中它看起来很快)。

我需要减去 y 和 z 值为 x 等于 b1 对于 id == A ( row = 2 ) a3 对于 id == B ( row = 4 ) a1 对于 id == C ( row = 6 )从剩下的 Y 和 Z 价值观 A , B 和 C 分别是。
删除已减去的行。

生成的data.frame将是

#   id  x y  z
# 1  A a1 -1 -1
# 2  A c1 1  1
# 3  B b3 1  1
# 4  C b1 1  1
# 5  C c1 2  2
# 6  C d1 3  3

在真实中 数据帧 我有多个数值列(为了简单起见,我没有显示这些列),因此这些操作应该应用于所有列。注意下面的代码 X 必须参考 id 因为不同 身份证件 可以有同样的 X 代码(例如 一 和 C )

我找到了这个可能的解决方案:

df %>%
  mutate(cond = ifelse( (id == "A" & x == "b1") | ( id == "B" & x == "a3" ) | ( id == "C" & x == "a1" ) , 1, 0 ) ) %>%
  group_by(id) %>%
  mutate_at(vars("y", "z"),funs(.-.[cond==1])) %>%
  filter(cond == 0)

似乎很管用。更好/更快的想法?

1 回复 | 直到 8 年前

1

thelatemail 8 年前

如果你愿意 data.table 解决方案,这应该很快:

library(data.table)
setDT(df)
keys <- data.table(id=c("A","B","C"), x=c("b1","a3","a1"))
onv <- c("id","x")
vars <- c("y","z")
df[df[keys, on=onv], on=onv[1], (vars) := .SD[,..vars] - mget(paste0("i.", vars))][!keys, on=onv]

#   id  x  y  z
#1:  A a1 -1 -1
#2:  A c1  1  1
#3:  B b3  1  1
#4:  C b1  1  1
#5:  C c1  2  2
#6:  C d1  3  3