R - 从长到宽再回到相同的长格式

Question

我有长格式的 Compustat 数据，我通过 spread 将其转换为宽格式(来自 tidyr 包)。

然后我做了一些计算，之后我想再次将数据帧恢复为长格式。是否有任何类型的“内存”功能，以便我的新长数据帧与旧数据帧的方式完全相同(相同的顺序)。

问题是有很多 NA s，每只股票的数据从该股票首次上市时开始，到退市后或样本结束时结束。我的样本从 1960 年到 2015 年(每季度)。当然，并非所有股票都有所有这些日期的数据，但是当我从宽格式返回到长格式时，每只股票都会获得从 1960.1 到 2015.4 的所有日期。这个长格式数据帧是我正在构建的分数的一部分，我必须将它与其他长格式数据帧进行比较(所有这些数据帧都具有相同的 kypermno 和日期顺序)，因此我需要将宽数据帧转换回与新值完全相同的原始形式。

编辑:这是我的问题的一个例子:

长格式“原始”(称为“测试”):

    `kypermno fyyyyq ROE_Q
      <int>  <int> <dbl>
1      1001   1985  0.56
2      1001   1986  0.43
3      1001   1987  0.78
4      1001   1988    NA
5      1001   1989  0.34
6      1001   1990  0.76
7      1002   1980  0.12
8      1002   1981  0.67
9      1002   1982  0.12
10     1002   1983  0.56
11     1002   1984    NA
12     1002   1985  0.91
13     1002   1986  0.45
14     1002   1987  0.23
15     1002   1988  0.54
16     1002   1989  0.14
17     1002   1990  0.19
18     1002   1991  0.27`

使用以下代码，我将其放在宽格式中:

dat_wide <- spread(test, kypermno, ROE_Q)

现在在宽格式中它看起来像这样:

 fyyyyq `1001` `1002`
*   <int>  <dbl>  <dbl>
1    1980     NA   0.12
2    1981     NA   0.67
3    1982     NA   0.12
4    1983     NA   0.56
5    1984     NA     NA
6    1985   0.56   0.91
7    1986   0.43   0.45
8    1987   0.78   0.23
9    1988     NA   0.54
10   1989   0.34   0.14
11   1990   0.76   0.19
12   1991     NA   0.27

当我把它放回长格式时，它变成了这样:

dat_long <- gather(dat_wide, key = 'fyyyyq', value = 'ROE_Q', -kypermno)

fyyyyq kypermno ROE_Q
    <int>    <chr> <dbl>
1    1980     1001    NA
2    1981     1001    NA
3    1982     1001    NA
4    1983     1001    NA
5    1984     1001    NA
6    1985     1001  0.56
7    1986     1001  0.43
8    1987     1001  0.78
9    1988     1001    NA
10   1989     1001  0.34
11   1990     1001  0.76
12   1991     1001    NA
13   1980     1002  0.12
14   1981     1002  0.67
15   1982     1002  0.12
16   1983     1002  0.56
17   1984     1002    NA
18   1985     1002  0.91
19   1986     1002  0.45
20   1987     1002  0.23
21   1988     1002  0.54
22   1989     1002  0.14
23   1990     1002  0.19
24   1991     1002  0.27

正如您所看到的，现在有更多的 NA(因为它们是从长到宽创建的)并且 NA omit 不是一种选择，因为所有 NA 都被省略了(不仅是新创建的)。
因此，当我再次从宽格式返回到长格式时，我想获得旧的(18 行长)长格式数据帧，而不是我得到的(有 24 行和"new"NA)。

我希望我的问题现在可以理解了。

PS:正如你所看到的，我没有设法在第一列中获得 kypermno，在第二列中获得 fyyyyq(回到长格式后)，但我认为它不会影响上述问题。

Answer 1

有一个fill=选项，允许您选择用于“填充”间隙的值。可悲的是，它也取代了原来的 NA，所以它是无用的。

这是一个不雅的解决方案，使用原始测试数据来消除最初不存在的情况。

注意:我必须稍微修改您的代码才能使其正常工作。

test <- read.table(text = 
'ID kypermno fyyyyq ROE_Q
1      1001   1985  0.56
2      1001   1986  0.43
3      1001   1987  0.78
4      1001   1988    NA
5      1001   1989  0.34
6      1001   1990  0.76
7      1002   1980  0.12
8      1002   1981  0.67
9      1002   1982  0.12
10     1002   1983  0.56
11     1002   1984    NA
12     1002   1985  0.91
13     1002   1986  0.45
14     1002   1987  0.23
15     1002   1988  0.54
16     1002   1989  0.14
17     1002   1990  0.19
18     1002   1991  0.27',
header = TRUE)
test <- test[,-1]

library(tidyr)
dat_wide <- spread(test, kypermno, ROE_Q)
dat_wide

dat_long <- gather(dat_wide, key = 'kypermno', value = ROE_Q, -fyyyyq)
dat_long


# Keep only the original data
dat_long[ paste(dat_long[,2], dat_long[,1]) %in% paste(test[,1], test[,2]),]

# Alternative (shorter and probably better)
merge(test[,1:2], dat_long, all.x=TRUE)

但也许您应该问问自己是否真的有必要以宽格式转换数据......