我实现了两个函数 reshape_long
和 reshape_wide
(参见下面的完整工作示例)来重塑数据帧 . 我创建了几个小例子,这两个函数似乎正常工作 .
但是,在我的实际数据集(大约200.000到300.000行)上使用 reshape_wide
函数失败 . 发生的事情是设置X,Y和Z的所有值都设置为1.我的实际数据的结构看起来与下面的小例子完全相同 . 经过2天的工作后,我认为问题是"primary key"( test_name
, group_name
和 id
)在广义形式中是唯一的 . 应用 reshape_long
函数后,主键不再是唯一的 . 我想知道,有没有人可以告诉我 d1 -> reshape_wide -> d2
的步骤是否可以工作,因为 d1
的非唯一性?
library(reshape2)
library(taRifx)
reshape_long <- function(data, ids) {
# Bring data into long form
data_long <- melt(data, id.vars = ids,
variable.name="Data_Points", value.name="value")
data_long$value <- as.numeric(data_long$value)
# Remove rows were analyte value is NA
data_long <- data_long[!is.na(data_long$value), ]
# Resort data
formula_sort <- as.formula(paste("~", paste(ids, collapse="+")))
data_long <- sort(data_long, f = formula_sort)
return(data_long)
}
reshape_wide <- function(data, ids) {
# Bring data into wide form
formula_wide <- as.formula(paste(paste(ids, collapse="+"),
"~ Data_Points"))
data_wide <- dcast(data, formula_wide)
# Resort data
formula_sort <- as.formula(paste("~", paste(ids, collapse="+")))
data_wide <- sort(data_wide, f = formula_sort)
return(data_wide)
}
d <- data.frame(
test_name = c(rep("Test_A", 6), rep("Test_B", 6)),
group_name = c(rep("Group_C", 3), rep("Group_D", 3),
rep("Group_C", 3), rep("Group_D", 3)),
id = c("I1", "I2", "I3", "I4", "I5", "I6",
"I1", "I2", "I3", "I7", "I8", "I9"),
X = c(NA,NA,1,2,3,4,5,6,NA,7,8,9),
Y = as.numeric(10:21),
Z = c(NA,22,23,NA,24,NA,25,26,NA,27,28,29)
)
d
d1 <- reshape_long(d, ids=c("test_name", "group_name", "id"))
d1
d2 <- reshape_wide(d1, ids=c("test_name", "group_name", "id"))
d2
identical(d,d2)
1 回答
您编写函数的方式,假设
ids
(在您的示例中为test_name
,group_name
和id
)的组合在原始数据中是唯一的 . 最简单的方法是获取d
和重复的行 .请注意,
reshape_wide
假定ids
和Data_Points
在一起是唯一的 . 在这个例子中,它们不是 . 警告消息指示dcast
已使用length
将每个组合的多个值汇总为单个值 .