2

私はこのようなデータフレームを持っています

Tag   Date (DD/MM/YYYY)
AA    1/1/2010
AB    2/1/2010
AC    3/1/2010
AA    4/1/2010
AB    5/1/2010
AA    6/1/2010
AB    7/1/2010
AC    8/1/2010

現在、異なるタグの数は限られています (平均で 10 未満)。私が必要としているのは、より快適な方法でデータを取得することです。タグ シーケンス データを分析して、より頻繁に繰り返されるパターンを見つけました。この場合は (AA、AB、AC) になります。

今、私が望むのは、データをこのように変換して、それを操作できるようにすることです。

AA        AB        AC
1/1/2010  2/1/2010  3/1/2010
4/1/2010  5/1/2010  NA
6/1/2010  7/1/2010  8/1/2010

Turning field values into column names in an R data frame というこの質問を見たことがありますが、これは私が必要としているものに非常に近いものです。これを行う

>libray(reshape2)
>df<-sqldf("SELECT Tag, Date FROM validData")
>head(dcast(df,Date~Tag))

収量

Using Date as value column: use value_var to override.
Aggregation function missing: defaulting to length

                Date  AF687A AVISOO B32D76 B3DC39 B52C72 DF7EAD DF8E83 DFA521 DFA91A
1 2010-12-23 09:18:50      0      0      0      0      1      0      0      0      0
2 2010-12-23 09:18:52      1      0      0      0      0      0      0      0      0
3 2010-12-23 09:18:54      0      0      0      0      1      0      0      0      0
4 2010-12-23 09:18:57      1      0      0      0      0      0      0      0      0
5 2010-12-23 09:18:58      0      0      0      0      1      0      0      0      0
6 2010-12-23 09:19:00      0      0      0      1      0      0      0      0      0

私は近いと思いますが、上で説明したテーブルの圧縮のように、最後のステップを理解できません。手がかりはありますか？

4

4 に答える 4

6

Date列のパターンから入れたい行と列を計算しTag、新しいマトリックスを埋めるだけです。

最初に、各行に一致させたいパターンを設定します。の結果を使用しますunique。最初のセットに (最後の値以外の) 値がない場合、これは正しく機能しません。

pat <- unique(df$Tag)

次に、タグをパターンに一致させて列を計算し、新しいパターンがいつ始まるかを調べて行を計算します。

col <- match(df$Tag, pat)
row <- cumsum(c(0,diff(col))<=0)

次に、マトリックスを作成して埋めます！

out <- matrix(nrow=max(row), ncol=max(col))
colnames(out) <- pat
out[cbind(row, col)] <- df$Date

結果は

> out
     AA         AB         AC        
[1,] "1/1/2010" "2/1/2010" "3/1/2010"
[2,] "4/1/2010" "5/1/2010" NA        
[3,] "6/1/2010" "7/1/2010" "8/1/2010"
于 2011-06-08T17:28:03.503 に答える
1

私の答えは、多くの厄介なコーディング（つまり、2つのネストされたループ）を使用して目的のソリューションに到達しますが、それはまさにあなたが望むものを提供します：

df <- structure(list(Tag = c("AA", "AB", "AC", "AA", "AB", "AA", "AB", 
"AC"), Date = c("1/1/2010", "2/1/2010", "3/1/2010", "4/1/2010", 
"5/1/2010", "6/1/2010", "7/1/2010", "8/1/2010")), .Names = c("Tag", 
"Date"), class = "data.frame", row.names = c(NA, -8L))

l <- nrow(df)
counter <- 1
cols <- c("AA", "AB", "AC")

fin <- data.frame(AA = NULL, AB = NULL, AC = NULL)
tmp <- data.frame(AA = NA, AB = NA, AC = NA)

while(counter < l) {
    tmp <- data.frame(AA = NA, AB = NA, AC = NA)
    for (col in 1:3) {
        if (df[counter,1] == cols[col]) {
            tmp[1,col] <- df[counter,2]
            counter <- counter + 1
        }
    }
    fin <- rbind(fin, tmp)
}

fin

あなたにあげる：

        AA       AB       AC
1 1/1/2010 2/1/2010 3/1/2010
2 4/1/2010 5/1/2010     <NA>
3 6/1/2010 7/1/2010 8/1/2010

cols <- unique(sort(df[,1]))より一般的な解決策で作業できることに注意してください（for (col in 1:3)そして、それに応じてとの作成をfin変更tmpする必要があります）。

さらに、このソリューションは、メモリ効率がまったく高くありません。（より大きなdata.framesで）事前割り当てなどを行うと大幅な改善が得られますが、それをすばやく汚い方法で行う場合は機能します。

于 2011-06-08T16:20:00.977 に答える
1

質問に表を書いていますが、本当はリストを作りたいようです。これは、分割機能を使用して行うことができます。

split(df, df$Tag)

$AA
  Tag     Date
1  AA 1/1/2010
4  AA 4/1/2010
6  AA 6/1/2010

$AB
  Tag     Date
2  AB 2/1/2010
5  AB 5/1/2010
7  AB 7/1/2010

$AC
  Tag     Date
3  AC 3/1/2010
8  AC 8/1/2010

各リストのタグ列を取り除くには、lapplyとsplitを組み合わせて使用​​できます。

lapply(split(df, df$Tag), function(x)x$Date[drop=TRUE])

$AA
[1] 1/1/2010 4/1/2010 6/1/2010
Levels: 1/1/2010 4/1/2010 6/1/2010

$AB
[1] 2/1/2010 5/1/2010 7/1/2010
Levels: 2/1/2010 5/1/2010 7/1/2010

$AC
[1] 3/1/2010 8/1/2010
Levels: 3/1/2010 8/1/2010
于 2011-06-08T16:01:33.390 に答える
1

@Andrieは解決策にかなり近かった

# here assumed length 3
# but you can calculate it as max
do.call(cbind,lapply(split(mdf$Date,mdf$Tag),"[",seq(3)))


     AA         AB         AC        
[1,] "1/1/2010" "2/1/2010" "3/1/2010"
[2,] "4/1/2010" "5/1/2010" "8/1/2010"
[3,] "6/1/2010" "7/1/2010" NA

編集（最初の解決策はパターンを考慮していませんでした

mdf$grp <- cumsum(1*c(TRUE,diff(as.numeric(factor(mdf$Tag)))<=0))
reshape(mdf,direction="wide",idvar="grp",timevar="Tag")

  grp  Date.AA  Date.AB  Date.AC
1   1 1/1/2010 2/1/2010 3/1/2010
4   2 4/1/2010 5/1/2010     <NA>
6   3 6/1/2010 7/1/2010 8/1/2010
于 2011-06-08T17:41:46.260 に答える