r - 在 R 中将不规则数据转换为可用格式

Question

假设我在一家为其客户提供多种不同服务的公司工作。我已收到一份有关所提供服务的数据报告，我需要对其进行分析。报告格式易于阅读和打印，但不适合数据分析。

报告格式如下:

输入:

customer <- c(1,2,2,3,3,3)
service1 <- c(1,3,5,1,3,5)
fee1 <- c(100,290,500,100,300,500)
service2 <- c("",4,"",2,4,8)
fee2 <- c("",400,"",200,390,800)

require(data.table)
DT <- data.table(customer, service1, fee1, service2, fee2)

打印到:

> DT
   customer service1 fee1 service2 fee2
1:        1        1  100              
2:        2        3  290        4  400
3:        2        5  500              
4:        3        1  100        2  200
5:        3        3  300        4  390
6:        3        5  500        8  800

有许多客户，每个客户都有他们消费的一些服务和相应的费用。服务和费用水平打印在四列中，然后溢出到新的一行中。每个客户可以有任意数量的服务，但每个服务只能为每个客户提供一次，并且每个客户的服务费用可能不同。它们可能总是以相同的顺序打印，但解决方案不应依赖于此。

任务是将数据转换为可用格式。我看到两种不同的方法来做到这一点。

第一个选项(长格式):切掉最后两列，为每个客户创建一个新行，然后填写内容。

选项一看起来像这样:

    customer service fee
 1:        1       1 100
 2:        2       3 290
 3:        2       4 400
 4:        2       5 500
 5:        3       1 100
 6:        3       2 200
 7:        3       3 300
 8:        3       4 390
 9:        3       5 500
10:        3       8 800

第二个选项(宽格式):为每个客户切掉除第一行以外的所有行，为切掉的服务创建新列，然后将服务标签转换为列标题(并确保一切都在正确的位置) .

选项二看起来像这样:

   customer service.1 service.2 service.3 service.4 service.5 service.6 service.7 service.8
1:        1       100                                                                      
2:        2                           290       400       500                              
3:        3                 200       300       390       500                           800

我可以使用任何一种格式(长宽之间的转换相当容易)。

作为起点，我认为我必须找到每个客户的服务数量(选项 1)或独特服务的数量(选项 2)，将数据表扩展到所需的大小并四处移动数据。

我觉得 data.table 应该能够处理这个问题，并且由于它的效率，我更喜欢使用这个包的解决方案。

Answer 1

我不知道如何使用 melt 解决这个问题，但是您可以在这里使用一个简单的 rbind，例如

res <- rbind(DT[, c(1,2:3)], 
             DT[, c(1,4:5)], 
                 use.names = FALSE)[service1 != ""]
res
#     customer service1 fee1
#  1:        1        1  100
#  2:        2        3  290
#  3:        2        5  500
#  4:        3        1  100
#  5:        3        3  300
#  6:        3        5  500
#  7:        2        4  400
#  8:        3        2  200
#  9:        3        4  390
# 10:        3        8  800

根据你的第二个输出，你可以尝试类似的东西

Range <- range(as.numeric(unlist(DT[, c(1, 4)])), na.rm = TRUE)
res[, service1 := factor(service1, levels = Range[1L]:Range[2L])]
dcast(res, customer ~ service1, drop = FALSE, fill = "", value.var = "fee1")
#    customer   1   2   3   4   5 6 7   8
# 1:        1 100                        
# 2:        2         290 400 500        
# 3:        3 100 200 300 390 500     800