r - 如何在提迪尔中正确使用扩散功能

Question

我该如何更改下表:

Type    Name    Answer     n
TypeA   Apple   Yes        5
TypeA   Apple   No        10
TypeA   Apple   DK         8
TypeA   Apple   NA        20
TypeA   Orange  Yes        6
TypeA   Orange  No        11
TypeA   Orange  DK         8
TypeA   Orange  NA        23

改成:

Type    Name    Yes   No   DK   NA  
TypeA   Apple   5     10   8    20
TypeA   Orange  6     11   8    23

我使用以下代码来获取第一个表。

df_1 <- 
  df %>% 
  group_by(Type, Name, Answer) %>% 
  tally()  

然后，我尝试使用spread命令进入第二张表，但收到以下错误消息:

"Error: All columns must be named"

df_2 <- spread(df_1, Answer)

Answer 1

在遵循ayk的评论之后，我提供一个示例。在我看来，当您有一个data_frame的列包含具有NA值的因子或字符类的列时，除非删除它们或对数据进行重新分类，否则无法进行扩展。这特定于data_frame(请注意名称中带有下划线的dplyr类)，因为在data.frame中具有NA值的情况下，此方法在我的示例中有效。例如，上面示例的稍作修改的版本:

这是数据框

library(dplyr)
library(tidyr)
df_1 <- data_frame(Type = c("TypeA", "TypeA", "TypeB", "TypeB"),
                   Answer = c("Yes", "No", NA, "No"),
                   n = 1:4)
df_1

这给出了一个看起来像这样的data_frame

Source: local data frame [4 x 3]

   Type Answer     n
  (chr)  (chr) (int)
1 TypeA    Yes     1
2 TypeA     No     2
3 TypeB     NA     3
4 TypeB     No     4

然后，当我们尝试对其进行整理时，会收到一条错误消息:

df_1 %>% spread(key=Answer, value=n)
Error: All columns must be named

但是，如果我们删除不适用项，那么它将“起作用”:

df_1 %>%
    filter(!is.na(Answer)) %>%
    spread(key=Answer, value=n)
Source: local data frame [2 x 3]

   Type    No   Yes
  (chr) (int) (int)
1 TypeA     2     1
2 TypeB     4    NA

但是，删除NA可能不会给您理想的结果:即，您可能希望将它们包括在整理过的表格中。您可以直接修改数据以将NA更改为更具描述性的值。或者，您可以将数据更改为data.frame，然后将其散布得很好:

as.data.frame(df_1) %>% spread(key=Answer, value=n)
   Type No Yes NA
1 TypeA  2   1 NA
2 TypeB  4  NA  3