r - 如何使用 spread() reshape 数据框时解决错误

Question

我正在尝试将长数据帧转换为宽且标记的情况。我将其旋转并使用一个临时向量作为标志。它在小数据集上完美运行:请参阅示例(复制并粘贴到您的 Rstudio 中)，但是当我尝试对真实数据执行此操作时，它会报告错误:

churnTrain3 <- spread(churnTrain, key = "state", value = "temporary", fill = 0) Error: Duplicate identifiers for rows (169, 249), (57, 109), (11, 226)

结构范围的数据集与进一步处理相关有没有办法解决这个问题。我敢打赌很多人尝试清理数据并遇到同样的问题。请帮我这是代码:第一个 block “示例”制作小数据集，以实现良好的可视化效果第二 block “真实数据”是来自流失库的数据集的切片部分

library(caret)
library(tidyr)

#example
#============
df <- data.frame(var1 = (1:6),
             var2 = (7:12),
             factors = c("facto1", "facto2", "facto3", "facto3","facto5", "facto1") ,
             flags = c(1, 1, 1, 1, 1, 1)) 
 df

 df2 <- spread(data = df, key = "factors" , value = flags, fill = " ")
 df2
#=============

# real data
#============
 data(churn)

 str(churnTrain)
 churnTrain <- churnTrain[1:250,1:4]
 churnTrain$temporary <-1
 churnTrain3 <- spread(churnTrain, key = "state", value = "temporary", fill = 0)

 str(churnTrain)
 head(churnTrain3)
 str(churnTrain3)
#============

Answer 1

Spread 只能在与点差“键”和其余数据(在流失示例中为 account_length、area_code 和 International_plan)相交的“单元格”中放置一个唯一值。所以真正的问题是如何管理这些重复的条目。答案取决于您想要做什么。我在下面提供了一种可能的解决方案。我没有制作虚拟“临时”变量，而是计算剧集数量并将其用作虚拟变量。这可以使用 dplyr 轻松完成:

library(tidyr)
library(dplyr)    
library(C50) # this is one source for the churn data

data(churn)

churnTrain <- churnTrain[1:250,1:4]

churnTrain2 <- churnTrain %>%
    group_by(state, account_length, area_code, international_plan) %>%
    tally %>%
    dplyr::rename(temporary = n)

churnTrain3 <- spread(churnTrain2, key = "state", value = "temporary", fill = 0)

Spread 现在可以使用。