web-dev-qa-db-ja.com

重複した識別子を持つ列を広げる方法は？

Aには次のティブルがあります。

_structure(list(age = c("21", "17", "32", "29", "15"), 
               gender = structure(c(2L, 1L, 1L, 2L, 2L), .Label = c("Female", "Male"), class = "factor")), 
          row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), .Names = c("age", "gender"))

    age gender
  <chr> <fctr>
1    21   Male
2    17 Female
3    32 Female
4    29   Male
5    15   Male
_

そして、私は_tidyr::spread_を使用してこれを達成しようとしています：

_  Female Male
1    NA     21
2    17     NA
3    32     NA
4    NA     29
5    NA     15
_

spread(gender, age)は機能すると思っていましたが、次のようなエラーメッセージが表示されます。

_Error: Duplicate identifiers for rows (2, 3), (1, 4, 5)
_
rtidyr
15
Dambo

現在、ageには2つのFemale値があり、Maleには3つの値があり、他の変数はspreadのように1行に折りたたまれないようにします。インデックス値が似ている/ないインデックス値の処理を試みます：

_library(tidyverse)

df <- data_frame(x = c('a', 'b'), y = 1:2)

df    # 2 rows...
#> # A tibble: 2 x 2
#>       x     y
#>   <chr> <int>
#> 1     a     1
#> 2     b     2

df %>% spread(x, y)    # ...become one if there's only one value for each.
#> # A tibble: 1 x 2
#>       a     b
#> * <int> <int>
#> 1     1     2
_

spreadは、複数の値を結合する関数を適用しません（dcast）。したがって、行にインデックスを付ける必要があるため、場所に1つまたはゼロの値があります。

_df <- data_frame(i = c(1, 1, 2, 2, 3, 3), 
                 x = c('a', 'b', 'a', 'b', 'a', 'b'), 
                 y = 1:6)

df    # the two rows with each `i` value here...
#> # A tibble: 6 x 3
#>       i     x     y
#>   <dbl> <chr> <int>
#> 1     1     a     1
#> 2     1     b     2
#> 3     2     a     3
#> 4     2     b     4
#> 5     3     a     5
#> 6     3     b     6

df %>% spread(x, y)    # ...become one row here.
#> # A tibble: 3 x 3
#>       i     a     b
#> * <dbl> <int> <int>
#> 1     1     1     2
#> 2     2     3     4
#> 3     3     5     6
_

値が他の列によって自然にインデックス付けされていない場合、一意のインデックス列を追加して（たとえば、行番号を列として追加することにより）、spreadが行を折りたたむのを防ぎます：

_df <- structure(list(age = c("21", "17", "32", "29", "15"), 
                     gender = structure(c(2L, 1L, 1L, 2L, 2L), 
                                        .Label = c("Female", "Male"), class = "factor")), 
                row.names = c(NA, -5L), 
                class = c("tbl_df", "tbl", "data.frame"), 
                .Names = c("age", "gender"))

df %>% mutate(i = row_number()) %>% spread(gender, age)
#> # A tibble: 5 x 3
#>       i Female  Male
#> * <int>  <chr> <chr>
#> 1     1   <NA>    21
#> 2     2     17  <NA>
#> 3     3     32  <NA>
#> 4     4   <NA>    29
#> 5     5   <NA>    15
_

後で削除する場合は、select(-i)を追加します。この場合、非常に有用なdata.frameは生成されませんが、より複雑な再形成の最中に非常に役立つ可能性があります。

21
alistaire