r - 将变量值 reshape 为列的最快​​方法

Question

我有一个包含大约 300 万行的数据集和以下结构:

PatientID| Year | PrimaryConditionGroup
---------------------------------------
1        | Y1   | TRAUMA
1        | Y1   | PREGNANCY
2        | Y2   | SEIZURE
3        | Y1   | TRAUMA

作为 R 的新手，我很难找到将数据 reshape 为下面概述的结构的正确方法:

PatientID| Year | TRAUMA | PREGNANCY | SEIZURE
----------------------------------------------
1        | Y1   | 1      | 1         | 0
2        | Y2   | 0      | 0         | 1
3        | Y1   | 1      | 0         | 1

我的问题是:创建 data.frame 的最快/最优雅的方法是什么，其中 PrimaryConditionGroup 的值成为列，按 PatientID 和 Year 分组(计算出现次数)？

Answer 1

可能有更简洁的方法可以做到这一点，但就速度而言，很难击败 data.table - 基于解决方案:

df <- read.table(text="PatientID Year  PrimaryConditionGroup
1         Y1    TRAUMA
1         Y1    PREGNANCY
2         Y2    SEIZURE
3         Y1    TRAUMA", header=T)

library(data.table)
dt <- data.table(df, key=c("PatientID", "Year"))

dt[ , list(TRAUMA =    sum(PrimaryConditionGroup=="TRAUMA"),
           PREGNANCY = sum(PrimaryConditionGroup=="PREGNANCY"),
           SEIZURE =   sum(PrimaryConditionGroup=="SEIZURE")),
   by = list(PatientID, Year)]

#      PatientID Year TRAUMA PREGNANCY SEIZURE
# [1,]         1   Y1      1         1       0
# [2,]         2   Y2      0         0       1
# [3,]         3   Y1      1         0       0

编辑: aggregate()提供了一个'base R'解决方案，它可能会也可能不会更惯用。 (唯一的复杂性是聚合返回一个矩阵，而不是一个 data.frame；下面的第二行解决了这个问题。)

out <- aggregate(PrimaryConditionGroup ~ PatientID + Year, data=df, FUN=table)
out <- cbind(out[1:2], data.frame(out[3][[1]]))

第二次编辑 最后，使用 reshape 的简洁解决方案包裹将您带到同一个地方。

library(reshape)
mdf <- melt(df, id=c("PatientID", "Year"))
cast(PatientID + Year ~ value, data=j, fun.aggregate=length)