3 回答

• 5

  您的样本数据：

  data <- structure(list(type = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 1L, 
  1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("IssueCommentEvent", 
  "IssuesEvent", "WatchEvent"), class = "factor"), created_at = structure(c(1L, 
  1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 
  6L), .Label = c("2012-03-11 06:48:31", "2012-03-11 06:52:50", 
  "2012-03-11 07:03:57", "2012-03-11 07:03:58", "2012-03-11 07:15:44", 
  "2012-03-11 07:18:45"), class = "factor"), repository_name = structure(c(1L, 
  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
  2L), .Label = c("bootstrap", "hogan.js"), class = "factor")), .Names = c("type", 
  "created_at", "repository_name"), class = "data.frame", row.names = c(NA, 
  -18L))
  

  我从您的预期输出中收集到，当它显示多次相同的 created_at 值时，您只需要一个 type ，换句话说，您想要删除重复项：

  data <- unique(data)
  

  然后，按照它们出现的顺序每 repository_name 提取所有 type 条目，您只需使用：

  data.split <- split(data$type, data$repository_name)
  data.split
  # $bootstrap
  # [1] IssuesEvent       IssuesEvent       IssueCommentEvent
  # [4] IssuesEvent       WatchEvent       
  # Levels: IssueCommentEvent IssuesEvent WatchEvent
  # 
  # $hogan.js
  # [1] WatchEvent
  # Levels: IssueCommentEvent IssuesEvent WatchEvent
  

  它返回一个列表，该列表是具有不同长度的向量集合的首选R数据结构 .

  Edit: 既然您已经提供了输出数据的示例，那么您的预期输出确实是data.frame就会变得更加明显 . 您可以使用以下函数将上面的列表转换为使用 NA 填充的data.frame：

  list.to.df <- function(arg.list) {
     max.len  <- max(sapply(arg.list, length))
     arg.list <- lapply(arg.list, `length<-`, max.len)
     as.data.frame(arg.list)
  }
  
  df.out <- list.to.df(data.split)
  df.out
  #           bootstrap   hogan.js
  # 1       IssuesEvent WatchEvent
  # 2       IssuesEvent       <NA>
  # 3 IssueCommentEvent       <NA>
  # 4       IssuesEvent       <NA>
  # 5        WatchEvent       <NA>
  

  然后，您可以使用该文件将其保存到文件中

  write.csv(df.out, file = "out.csv", quote = FALSE, na = "", row.names = FALSE)
  

  获得与您在github上发布的格式完全相同的输出格式 .

  回复于 2024-05-10T14:50:53+08:00
• 1

  我刚加入stackoverflow;希望我的回答有点用处 .

  通过表格，我假设你的意思是你想要一个数据框架 . 但是，列似乎不太可能具有相同的长度，并且看起来行无论如何都没有多大意义 . 也许列表会更好？

  这是一个混乱的解决方案：

  names <- unique(olddataframe$repository_name)
  results <- sapply(1:length(names), function(j){
      sapply(which(olddataframe$repository_name == names[j]), function(i){
          olddataframe$type[i]
     )
  })
  names(results) <- names
  results
  

  回复于 2024-05-10T14:50:53+08:00
• 5

  使用@ flodel的 data 对象，您也可以尝试 aggregate() ，但是对于许多事件类型，这很快就会变得不可读：

  aggregate(list(Type = unique(data)$type), 
            list(Repository = unique(data)$repository_name), 
            function(x) paste0(x))
  #   Repository                                                                 Type
  # 1  bootstrap IssuesEvent, IssuesEvent, IssueCommentEvent, IssuesEvent, WatchEvent
  # 2   hogan.js                                                           WatchEvent
  

  你也可以试试 reshape() 并用 t() （转置）做一些诡计，如下所示 .

  temp = unique(data)
  temp = reshape(temp, direction = "wide", 
                 idvar="repository_name", timevar="created_at")
  # If you want to keep the times, remove `row.names=NULL` below
  temp1 = data.frame(t(temp[-1]), row.names=NULL)
  names(temp1) = t(temp[1])
  temp1
  #           bootstrap   hogan.js
  # 1       IssuesEvent       <NA>
  # 2       IssuesEvent       <NA>
  # 3 IssueCommentEvent       <NA>
  # 4       IssuesEvent       <NA>
  # 5        WatchEvent       <NA>
  # 6              <NA> WatchEvent
  

  但是，我发现所有这些NAs都是令人讨厌的;我会说，@ flodel的答案是最直接的，也可能是最有用的（从长远来看，也就是说，一旦你获得这种形式的数据，就不知道你想要做什么） .

  更新（更多技巧）

  （实际上，这是“SO非常适合拖延”的时刻）

  我的最终（非常低效）答案如下 .

  按上述步骤操作，但删除日期/时间内容，并将因子转换为字符 .

  # Using @flodel's data
  temp1 = unique(data)[-2]
  # Remove the factors
  temp1[sapply(temp1, is.factor)] = lapply(temp1[sapply(temp1, is.factor)], 
                                           as.character)
  # Split and unlist your data
  temp2 = split(temp1[-c(2:3)], temp1$repository_name)
  temp3 = sapply(temp2, as.vector)
  

  rbind() 和 cbind() 将"recycle"不同长度的对象使它们具有相同的长度，但我们不会在其中提取 temp3 对象中的清理版本的名称 .

  # What is the max number of rows we need?
  LEN = max(sapply(temp3, length))
  # What are the names we want for our columns?
  NAMES = gsub(".type", "", names(temp3))
  

  现在，将 temp3 中的项目提取到工作区中，并确保它们的长度相同 .

  # Use assign to unlist the vectors to the workspace
  for (i in 1:length(temp3)) assign(NAMES[i], temp3[[i]])
  # Make sure they have the same lengths
  length(hogan.js) = LEN
  length(bootstrap) = LEN
  

  最后，使用 cbind() 将数据放在一起 .

  # Use cbind to put these together
  data.frame(cbind(bootstrap, hogan.js))
  #           bootstrap   hogan.js
  # 1       IssuesEvent WatchEvent
  # 2       IssuesEvent       <NA>
  # 3 IssueCommentEvent       <NA>
  # 4       IssuesEvent       <NA>
  # 5        WatchEvent       <NA>
  

  回复于 2024-05-10T14:50:53+08:00