R統計中簡單的數據透視表類型轉換

Question

我一直在嘗試學習R一段時間，但還沒有得到我的知識，甚至一個體面的水平呢。我最終會到達那裏，但我現在處於困境之中，想知道你是否可以幫助我做一個快速的「轉型」型作品。

我有一個csv數據文件，其中包含以下數據字段的18,000,000行：人員ID，日期和值。它基本上是從一個仿真模型，並模擬貢獻的人讓到他們的儲蓄賬戶，如：

1,28/02/2013,19.49 
2,13/03/2013,16.68 
3,15/03/2013,20.34 
2,10/01/2014,28.43 
3,12/06/2014,38.13 
1,29/08/2014,68.46 
1,20/12/2013,20.51 

所以，你可以看到，有可能是在數據的多個ID，但每個日期和貢獻量一個人是獨一無二的。

我想對此進行改造，以便每個人都有一年的貢獻記錄。因此，例如上述的將成爲：

ID,2013,2014 
1,40.00,68.46 
2,16.68,28.43 
3,20.34,38.13 

我有一個大概的瞭解，我怎麼能解決這個問題：創建數據的另一列只用幾年，然後通過ID和年度總結加起來適合所有捐款到每個ID /年桶中。我只是不知道如何開始將它翻譯成R腳本。

任何指針/指導將不勝感激。

非常感謝和親切的問候。

Answer 1

這裏有幾個可能性：

動物園包read.zoo在zoo package可以產生多變量時間序列每系列的一列，即每ID一列。我們定義yr從索引列中獲取年份，然後在我們讀入時使用split=參數分割ID。我們使用aggregate=sum來聚合剩餘的列 - 這裏只有一列。我們使用text = Lines來保持下面的代碼自身包含，但是有一個真實的文件，我們會用"myfile"代替它。最後一行轉換結果。如果可以在列中而不是在行中有人，我們可以刪除該行。

Lines <- "1,28/02/2013,19.49 
2,13/03/2013,16.68 
3,15/03/2013,20.34 
2,10/01/2014,28.43 
3,12/06/2014,38.13 
1,29/08/2014,68.46 
1,20/12/2013,20.51 
" 
library(zoo) 

# given a Date string, x, output the year 
yr <- function(x) floor(as.numeric(as.yearmon(x, "%d/%m/%Y"))) 

# read in data, reshape & aggregate 
z <- read.zoo(text = Lines, sep = ",", index = 2, FUN = yr, 
    aggregate = sum, split = 1)  

# transpose (optional) 
tz <- data.frame(ID = colnames(z), t(z), check.names = FALSE) 

隨着發佈的數據，我們得到以下結果：

> tz 
    ID 2013 2014 
1 1 40.00 68.46 
2 2 16.68 28.43 
3 3 20.34 38.13 

見?read.zoo，也是zoo-read小插曲。

reshape2包下面是使用reshape2包的第二溶液：

library(reshape2) 

# read in and fix up column names and Year 

DF <- read.table(text = Lines, sep = ",") ## 
colnames(DF) <- c("ID", "Year", "Value") ## 
DF$Year <- sub(".*/", "", DF$Year) ## 

dcast(DF, ID ~ Year, fun.aggregate = sum, value.var = "Value") 

結果是：

ID 2013 2014 
1 1 40.00 68.46 
2 2 16.68 28.43 
3 3 20.34 38.13 

重塑功能這裏是不使用任何附加的溶液包。首先使用最後解決方案中標記爲##的三行讀取數據。這將產生DF。然後聚集的數據，從長重塑它廣泛形式並最終固定起來的列名：

Ag <- aggregate(Value ~., DF, sum) 
res <- reshape(Ag, direction = "wide", idvar = "ID", timevar = "Year") 
colnames(res) <- sub("Value.", "", colnames(res)) 

其產生這樣的：

> res 
    ID 2013 2014 
1 1 40.00 68.46 
2 2 16.68 28.43 
3 3 20.34 38.13 

tapply功能。這個解決方案也不使用插件包。從最後的解決方案使用Ag試試這個：

tapply(Ag$Value, Ag[1:2], sum) 

更新：小的改進和3個額外的解決方案。

Answer 2

您描述的方法是合理的。從字符串到日期轉換日期字符串來回背可使用strptime和strftime（可能as.POSIXct來完成。一旦你的year列，你可以使用一些R中可用的工具，如data.table，by或ddply。我喜歡最後一個的語法：

library(plyr) 
ddply(df, .(ID, year), summarise, total_per_year = sum(value)) 

這是假設你的基準日是df，並在您的數據的列被稱爲year，ID和value請注意，對於大型數據集ddply可以成爲如果你確實需要原始的表現，你就會明白想要開始使用data.table。