在 R 中使用 sum+product 进行重铸

Question

我有一个如下所示的数据框:

x   y   value   weight
10  1   red 1
3.4 5   blue    2
10  10  blue    0.5
3   8   blue    0.5
3   8   red 4
10  1   blue    1
3   8   blue    2
3   8   blue    0.25

我想重新构造它，使每一行都是“x”和“y”的唯一组合，而列是每个不同“值”值的“权重”的总和。如果可能的话，我还希望有“value”值的原始计数列。因此，对于这些数据来说:

x   y   red_count   blue_count  red_sum_of_weights  blue_sum_of_weights
10  1   1   1   1   1
3.4 5   0   1   0   2
10  10  0   0   1   0.5
3   8   1   3   4   2.75

有没有办法通过 reshape 或 reshape2 来做到这一点？我可以让它对值进行计数

dcast(data,x+y~value)

但我一直无法弄清楚如何让它以我想要的方式使用权重。我需要它能够处理任意数量的可能值级别以及原始数据集中每个 x*y 组合的任意不同行数。我已经编写了自己的代码，只是使用 for 循环来执行此操作，但运行时间非常长 - 到目前为止，完成 600k 行数据集的前 15% 需要 6 个小时，这不太实用!但我确信必须有一种方法可以利用现有功能来做到这一点？

预先非常感谢您的帮助!

Answer 1

您可以结合使用 dplyr 和 reshape2 函数来完成此操作。首先，按x、y和value分组(我们将后者的名称更改为color只是为了避免熔化后重复列名)，然后计算每个子组的计数和总和。然后融化结果，将新计算的摘要放入“长”格式。最后，dcast 以获得您要求的“宽”格式。

library(reshape2)
library(dplyr)

df %>% group_by(x,y,color=value) %>% 
  summarise(count=n(), sum=sum(weight)) %>%
  melt(id.var=c("x","y","color")) %>%
  dcast(x + y ~ variable + color)

     x  y count_blue count_red sum_blue sum_red
1  3.0  8          3         1     2.75       4
2  3.4  5          1        NA     2.00      NA
3 10.0  1          1         1     1.00       1
4 10.0 10          1        NA     0.50      NA