地区、郡、年のデータセットがあります。特定の地区/郡の組み合わせが任意の年に発生する場合、その組み合わせが毎年発生するようにします。以下は、これを行うために私が考え出した2つの方法です。最初のアプローチでは、関数を使用して地区、郡、および年の組み合わせを作成します。必要なコードは 6 行のみです。paste一番下のアプローチは、expand.gridととの組み合わせを使用し、strsplitはるかに複雑/複雑です。
上記のいずれよりもはるかに効率的な方法がおそらくあります。たとえば、expand.gridおそらく 1 ～ 2 行のコードで地区/郡/年の組み合わせを実現できる使用方法はありますか?
アドバイスありがとうございます。私の機能は仕事をすることができますが、この質問は私にとって学習の機会です. 私はベースRが好きです。
データセットの例を次に示します。
df.1 <- read.table(text = '
state district county year apples
AA EC A 1980 100
AA EC B 1980 10
AA EC C 1980 150
AA C G 1980 200
AA C other 1980 20
AA C I 1980 250
AA WC R 1980 300
AA WC S 1980 30
AA WC other 1980 350
AA EC A 1999 1100
AA EC D 1999 110
AA EC E 1999 1150
AA C H 1999 1200
AA C I 1999 120
AA C J 1999 1250
AA WC R 1999 1300
AA WC other 1999 130
AA WC T 1999 1350
', header=TRUE, stringsAsFactors = FALSE)
望ましい結果は次のとおりです。
desired.result <- read.table(text = '
state district county year apples
AA C G 1980 200
AA C H 1980 NA
AA C I 1980 250
AA C J 1980 NA
AA C other 1980 20
AA EC A 1980 100
AA EC B 1980 10
AA EC C 1980 150
AA EC D 1980 NA
AA EC E 1980 NA
AA WC other 1980 350
AA WC R 1980 300
AA WC S 1980 30
AA WC T 1980 NA
AA C G 1999 NA
AA C H 1999 1200
AA C I 1999 120
AA C J 1999 1250
AA C other 1999 NA
AA EC A 1999 1100
AA EC B 1999 NA
AA EC C 1999 NA
AA EC D 1999 110
AA EC E 1999 1150
AA WC other 1999 130
AA WC R 1999 1300
AA WC S 1999 NA
AA WC T 1999 1350
', header=TRUE, stringsAsFactors = FALSE)
これは、関数を使用して、毎年のすべての地区/郡の組み合わせを表す、これまでで最も簡単なソリューションです。
my.unique.function <- function(year) {
my.unique <- data.frame(unique(df.1[, c('state', 'district', 'county')]), year)
return(my.unique = my.unique)
}
years <- as.data.frame(unique(df.1[, 'year']))
my.unique.output <- apply(years, 1, function(x) {my.unique.function(x)})
my.unique.output2 <- do.call(rbind.data.frame, my.unique.output)
desired.result2 <- merge(df.1, my.unique.output2, by = c('state', 'year', 'district', 'county'), all=TRUE)
# compare output with a priori desired result
desired.result <- desired.result[order(desired.result$state, desired.result$year, desired.result$district, desired.result$county),]
all.equal(desired.result[,c(1,4,2,3,5)], desired.result2[,1:5])
これが私の最初の、はるかに複雑なソリューションです。
# find unique combinations of district and county
my.unique <- unique(df.1[, c('district', 'county')])
# paste district and county together
my.unique$x <- apply( my.unique[ , c('district', 'county') ] , 1 , paste , collapse = "-" )
# represent each district/county combination for each year
expand.unique <- expand.grid(my.unique$x, year = c(1980, 1999))
expand.unique$Var1 <- as.character(expand.unique$Var1)
# split combined district/county combinations into two columns
expand.unique$Var1b <- sub('-', ' ', expand.unique$Var1)
unique.split <- strsplit(expand.unique$Var1b, ' ')
unique.splits <- matrix(unlist(unique.split), ncol=2, byrow=TRUE, dimnames = list(NULL, c("district", "county")))
# create template prior to merging with original data set
state <- 'AA'
desired.resultb <- data.frame(state, expand.unique, unique.splits)
# merge template with original data set so missing observations are present if a county is not included for a given year
desired.resultc <- merge(df.1, desired.resultb, by = c('state', 'year', 'district', 'county'), all=TRUE)
desired.resultc
# compare output with a priori desired result
desired.result <- desired.result[order(desired.result$state, desired.result$year, desired.result$district, desired.result$county),]
all.equal(desired.result[,c(1,4,2,3,5)], desired.resultc[,1:5])