时间戳

首页 > 解决方案 > R：为什么我使用 spread() 会丢失数据？

r - R：为什么我使用 spread() 会丢失数据？

问题描述

我有一个看起来像这样的小标题。

# A tibble: 1,000 x 3
   id                 question                               answer                                                          
   <chr>                  <chr>                                <chr>                                                                     
 1 aaa               What is your favorite color?                Green                                                                        
 2 aaa               What is your favorite band?                 Green Day                                                       
 3 aaabb             What is your favorite color?                Blue                                                                                
 4 aaabb             What is your favorite band?                Blue            
 5 ccc               What is your favorite color?                Blue                                                                        
 6 ccc               What is the difference between you and me?  Five bank accounts                                             
# ... with more rows

我想将其扩展为一个宽数据框。我使用了这段代码。

aTibble %>% distinct() %>%  spread(question, answer)

但是，我最终得到了一个充满空行的数据框。

  # A tibble: 1,000 x 3
       id                 V1              What is your favorite color?   What is your favorite band?   What is the difference between you and me?                                                 
     1 aaa                               NA                              NA                            NA                                                        
     2 aaa                               NA                              NA                            NA                         
     3 aaabb                             NA                              NA                            NA                                                
     4 aaabb                             NA                              NA                            NA
     5 ccc                               NA                              NA                            NA                                          
     6 ccc                               NA                              NA                            NA               
    # ... with more rows

在原始 tibble 中，一些行具有 ID，然后为空，用于问答。一个 ID 没有重复的问题。也就是说，不同的 ID 可以回答不同的问题，它们的问题并不相同。

此外，我没有制作 V1 行，这不在我原来的 tibble 中。它出现在 spread() 之后。

令人沮丧的是，当我在一个小数据集上执行该函数时，它工作得很好。当我对完整数据集（约 150K 记录）执行此功能时，我得到了 NA。

标签： rdplyrdata-cleaningspread

解决方案

很难看出为什么这不起作用。 dcast是使用 from 的好选择reshape2。你可以达到同样的目的。

aTibble %>% distinct() %>% dcast(id ~ question, value.var = "answer")

推荐阅读