R统计中的简单数据透视表类型转换

Question

我一直在尝试学习R一段时间,但还没有把我的知识提升到一个不错的水平.我最终会到达那里,但我现在处于紧张状态,并且想知道你是否可以帮助我做一个快速的"转型"型作品.

我有一个包含1800万行的csv数据文件,其中包含以下数据字段:人员ID,日期和值.它基本上来自模拟模型,并模拟一个人对其储蓄账户的贡献,例如:

1,28/02/2013,19.49
2,13/03/2013,16.68
3,15/03/2013,20.34
2,10/01/2014,28.43
3,12/06/2014,38.13
1,29/08/2014,68.46
1,20/12/2013,20.51

因此,正如您所看到的,数据中可以有多个ID,但每个人的日期和贡献金额是唯一的.

我想改变这个,所以我每个人都有一年的贡献历史.所以例如以上将成为:

ID,2013,2014
1,40.00,68.46
2,16.68,28.43
3,20.34,38.13

我对如何处理问题有一个大概的想法:用年份创建另一列数据,然后按ID和年份汇总,以添加适合每个ID /年桶的所有贡献.我不知道如何开始将其翻译成R脚本.

任何指针/指导都将非常受欢迎.

非常感谢和亲切的问候.

Answer 1

以下是一些可能性:

动物园包 read.zoo中的zoo包可以产生每个系列一列的多变量时间序列,即每个ID一列.我们定义yr从索引列中获取年份,然后在split=读取时使用参数拆分ID .我们aggregate=sum用来聚合其余列 - 这里只有一个.我们使用text = Lines来保持下面的代码自包含但是使用真实文件我们会用"myfile",例如.最后一行转换结果.如果可以让人员在列而不是行中,我们可以删除该行.

Lines <- "1,28/02/2013,19.49
2,13/03/2013,16.68
3,15/03/2013,20.34
2,10/01/2014,28.43
3,12/06/2014,38.13
1,29/08/2014,68.46
1,20/12/2013,20.51
"
library(zoo)

# given a Date string, x, output the year
yr <- function(x) floor(as.numeric(as.yearmon(x, "%d/%m/%Y")))

# read in data, reshape & aggregate
z <- read.zoo(text = Lines, sep = ",", index = 2, FUN = yr,  
   aggregate = sum, split = 1)     

# transpose (optional)  
tz <- data.frame(ID = colnames(z), t(z), check.names = FALSE)

通过发布的数据,我们得到以下结果:

> tz
  ID  2013  2014
1  1 40.00 68.46
2  2 16.68 28.43
3  3 20.34 38.13

看看?read.zoo和zoo-read小插图.

reshape2 package这是使用reshape2包的第二个解决方案:

library(reshape2)

# read in and fix up column names and Year

DF <- read.table(text = Lines, sep = ",") ##
colnames(DF) <- c("ID", "Year", "Value") ##
DF$Year <- sub(".*/", "", DF$Year) ##

dcast(DF, ID ~ Year, fun.aggregate = sum, value.var = "Value") 

结果是:

  ID  2013  2014
1  1 40.00 68.46
2  2 16.68 28.43
3  3 20.34 38.13

重塑功能这是一个不使用任何插件包的解决方案.首先使用最后一个解决方案中标记为##的三行读取数据.这将产生DF.然后聚合数据,将其从长形式转换为宽形式,最后修复列名称:

Ag <- aggregate(Value ~., DF, sum)
res <- reshape(Ag, direction = "wide", idvar = "ID", timevar = "Year")
colnames(res) <- sub("Value.", "", colnames(res))

产生这个:

> res
  ID  2013  2014
1  1 40.00 68.46
2  2 16.68 28.43
3  3 20.34 38.13

tapply功能.此解决方案也不使用插件包.使用Ag上一个解决方案试试这个:

tapply(Ag$Value, Ag[1:2], sum)

更新:小改进和3个额外的解决方案.