R: Verbreitung-Funktion-Daten-frame mit Duplikaten

Habe ich einen Daten-frame, die ich brauche, um pivot-aber der Daten-frame hat doppelte IDS, so spread Funktion gibt einen Fehler Error: Duplicate identifiers for rows (5, 6)

Dimension = c("A","A","B","B","A","A")   
Date = c("Mon","Tue","Mon","Wed","Fri","Fri")    
Metric = c(23,25,7,9,7,8)
df = data.frame(Dimension,Date,Metric)
df

  Dimension Date Metric
1         A  Mon     23
2         A  Tue     25
3         B  Mon      7
4         B  Wed      9
5         A  Fri      7
6         A  Fri      8

library(tidyr)
df1 = spread(df, Date, Metric, fill = " ")

Error: Duplicate identifiers for rows (5, 6)

Ich dann konsolidierten die Zeilen und klebte die Metric:

dfa = aggregate(df[3], df[-3], 
                FUN = function(X) paste(unique(X), collapse=", "))

  Dimension Date Metric
1         A  Fri   7, 8
2         A  Mon     23
3         B  Mon      7
4         A  Tue     25
5         B  Wed      9

Dann wiederholen und natürlich funktioniert es jetzt:

df1 = spread(dfa, Date, Metric, fill = " ")
df1
  Dimension  Fri Mon Tue Wed
1         A 7, 8  23  25    
2         B        7       9

Frage: gibt es eine "einfachere" Weg, dies zu tun, oder ist meine oben beschriebene Methode effizient genug, so brauche ich nicht zu verlieren Schlaf über Sie? Danke!

BEARBEITEN.
Alle codes - mine und 2 akrun die Arbeit mit diesem feinen kleinen Datensatz. Allerdings akrun ist dplyr - version bricht auf meinem realen Datensatz. Hier ist dput.

structure(list(Dimension = c(10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 10994030020, 10994030020, 10994030020, 10994030020, 
10994030020, 12300245685, 12300245685, 12300245685, 12300245685, 
12300245685, 12300245685, 12300245685, 12300245685, 12300245685, 
12300245685, 12300245685, 12300245685, 12300245685, 12300245685, 
12300245685, 12300245685, 12300245685, 12300245685, 12300245685, 
12300245685, 12300245685, 12300245685, 12300245685, 12300245685, 
12300245685, 12300245685, 12300245685, 12300245685, 12300245685, 
12300245685, 12300245685, 12300245685, 12300245685, 12300245685, 
12303485675, 12303485675, 12303485675, 12303485675, 12303485675, 
12701670437, 12701670437, 12701670437, 12701670437, 12701670437, 
12701670437, 12701670437, 12701670437, 12701670437, 12701670437, 
12701670437, 12701670437, 12701670437, 12701670437, 12701670437, 
12701670437), Date = structure(c(1L, 3L, 5L, 7L, 9L, 10L, 11L, 
12L, 13L, 14L, 16L, 18L, 19L, 20L, 22L, 23L, 24L, 26L, 27L, 28L, 
30L, 32L, 33L, 34L, 40L, 41L, 42L, 47L, 48L, 49L, 51L, 52L, 53L, 
54L, 55L, 58L, 59L, 60L, 61L, 62L, 63L, 65L, 66L, 68L, 69L, 70L, 
74L, 75L, 76L, 2L, 3L, 5L, 7L, 8L, 10L, 11L, 15L, 17L, 20L, 21L, 
24L, 25L, 28L, 30L, 31L, 34L, 36L, 42L, 43L, 46L, 48L, 49L, 53L, 
54L, 56L, 65L, 67L, 68L, 69L, 70L, 71L, 72L, 73L, 7L, 24L, 30L, 
38L, 65L, 4L, 6L, 7L, 24L, 28L, 29L, 30L, 35L, 37L, 39L, 44L, 
45L, 50L, 57L, 64L, 65L), .Label = c("16", "analog tuner", "aspect ratio", 
"assembled in country of origin", "backlight technology", "battery type", 
"brand", "brightness", "color class", "component video", "composite video", 
"country of origin", "depth w/stand", "digital audio output", 
"digital tuner", "display technology", "features", "green compliance certificate/authority", 
"green compliant", "hdmi", "headphone jack", "height w/stand", 
"limited warranty", "manufacturer", "maximum resolution", "media player", 
"motion interpolation technology", "mpn", "multi pack indicator", 
"name", "native contrast ratio", "number of hdmi ports", "number of usb ports", 
"operating power consumption", "origin of components", "package contents", 
"primary color", "product dimensions", "product in in (l x w x h)", 
"product model", "product series", "product type", "remote control incl", 
"remote included", "resolution", "response time", "rms output power", 
"scan format", "screen size", "shipping weight (in lb)", "sound system", 
"speaker output power (w)", "speakers", "standard refresh rate", 
"standby power consumption", "total number of hdmi ports", "tv definition", 
"tv features", "tv refresh rate (hz)", "tv resolution", "tv screen size (in)", 
"tv screen size range", "tv speakers", "tv technology", "unspsc", 
"usb", "vertical viewing angle", "vesa mount standard", "vga", 
"video signal standard", "viewing angle", "warranty length", 
"wattage", "weight (approx)", "weight w/stand (approx)", "width w/stand"
), class = "factor"), Metric = structure(c(40L, 13L, 57L, 69L, 
43L, 72L, 72L, 45L, 38L, 72L, 55L, 44L, 72L, 72L, 15L, 3L, 69L, 
72L, 46L, 26L, 70L, 27L, 1L, 29L, 26L, 54L, 58L, 12L, 39L, 25L, 
42L, 11L, 72L, 37L, 28L, 52L, 36L, 39L, 24L, 19L, 72L, 33L, 72L, 
18L, 72L, 49L, 6L, 10L, 23L, 62L, 13L, 48L, 64L, 31L, 72L, 72L, 
41L, 66L, 72L, 72L, 64L, 16L, 63L, 65L, 4L, 32L, 21L, 58L, 71L, 
35L, 8L, 20L, 72L, 37L, 17L, 33L, 14L, 7L, 72L, 50L, 14L, 2L, 
34L, 59L, 59L, 60L, 5L, 33L, 51L, 47L, 67L, 67L, 53L, 61L, 68L, 
51L, 43L, 30L, 72L, 9L, 22L, 49L, 56L, 33L), .Label = c("1", 
"1-year limited", "1 Year", "1,000:1", "1,140 x 145 x 705 in ; 65.6 lb", 
"10.40 lb", "100 x 100", "1080p", "1080p (HDTV)", "11.20 lb", 
"14", "14 W", "16:9", "178 degrees", "18.30 in", "1920 x 1080", 
"2", "200 x 100", "21", "22 in", "22 in FHD LED TV; Remote Control", 
"25.4", "26.20 in", "29", "29 in", "29L1350U", "3", "300 mW", 
"33.80 W", "36.5 x 6.5 x 23.0", "365 Nit", "50 W", "52161505", 
"6 W", "6.50 ms", "60", "60 Hz", "7.10 in", "720p", "9", "ATSC", 
"Audyssey EQ", "Black", "CEC", "China", "ClearScan 120 Hz", "Does Not Contain a Battery", 
"Edge LED", "HDTV", "HDTV 1080p", "Imported", "Internet Apps", 
"KDL40W600B", "L1350U", "LCD", "LCD, Internet Connected, LED", 
"LED", "LED-LCD TV", "LG", "LG 47LY340C - 47 in - commercial use LED-backlit L", 
"No", "NTSC", "PLED2243A", "ProScan", "PROSCAN PLED2243A 22 in 1080p 60 Hz LED HDTV - PTR", 
"Sleep Timer; Auto Program", "Sony", "Sony KDL40W600B 40 in 1080p 60 Hz Smart LED TV (20", 
"Toshiba", "Toshiba 29L1350U 29 in 720p LED-LCD TV - 16:9 - HD", 
"yes", "Yes"), class = "factor")), .Names = c("Dimension", "Date", 
"Metric"), class = c("data.table", "data.frame"), row.names = c(NA, 
-104L), .internal.selfref = <pointer: 0x00000000003d0788>)

Könnten Sie fun.aggregate im dcast", d.h. library(data.table);dcast(setDT(df), Dimension~Date, value.var='Metric', fun.aggregate=function(x) toString(unique(x))) Wenn Sie wollen stick mit spread werden kann df %>% group_by(Dimension, Date) %>% summarise(Metric=toString(unique(Metric))) %>% spread(Date, Metric)
In Bezug auf die Effizienz Teil aggregate wäre langsam auf große datasets. Also, ändern Sie ihn auf dplyr/tidyr effizienter wäre. Auch die data.table Methode sollte kompakt und auch leistungsfähig.
Ach ja, ordentlich! Danke! (nur dcast wurde nicht gefunden in data.table hatte zu installieren reshape2). Mein dataset ist in der Regel Hunderte von tausenden von Zeilen. Möchten Sie die Einrichtung ein Kommentar als eine Antwort (vielleicht mit dem timing, wenn Sie Zeit haben, um es auszuführen?) so konnte ich vote und zu akzeptieren?
Ich sollte erwähnt haben, dass es von der devel-version von data.table

InformationsquelleAutor Alexey Ferapontov | 2015-07-03

6

Könnten Sie dcast aus der devel-version von data.table ie. v1.9.5. Anweisungen zur Installation sind here
```
library(data.table)#v1.9.5+
dcast(setDT(df), Dimension~Date, value.var='Metric', 
               fun.aggregate=function(x) toString(unique(x)))
#   Dimension  Fri Mon Tue Wed
#1:         A 7, 8  23  25    
#2:         B        7       9
```
Oder
```
library(dplyr)
library(tidyr)
df %>%
   group_by(Dimension, Date) %>% 
   summarise(Metric=toString(unique(Metric))) %>% 
   spread(Date, Metric, fill='')
#   Dimension  Fri Mon Tue Wed
#1         A 7, 8  23  25    
#2         B        7       9
```
Update

Mit dem neuen Datensatz von `OP ' s post
```
 setDF(df2)
 df2 %>% 
     group_by(Dimension, Date) %>% 
     summarise(Metric=toString(unique(Metric))) %>%
     spread(Date, Metric, fill='') %>%
     head(2) %>%
     select(1:3)
 #    Dimension 16 analog tuner
 #1 10994030020  9             
 #2 12300245685            NTSC
```
- Danke!!! Ich werde es testen, und führen timing-auf meinem Probe-Daten-frame.
- Nicht sicher, was Los ist. Es läuft auf einer test DF von oben funktioniert einwandfrei. Wenn ich Futter in meiner realen DF, sagt - "Fehler in [.data.frame(Daten, key_col) : undefined columns selected" für die dplyr/tidyr version. Hinzugefügt dput in der Frage
- Haben Sie versucht, nach dem ändern der Daten.Tabelle data.frame. also setDF(df2);df2 %>% group_by(Dimension, Date) %>% summarise(Metric=toString(unique(Metric))) %>% spread(Date, Metric, fill='') Es funktionierte für mich.
- Immer noch das gleiche...
- Ich bin mit dplyr_0.4.1.9000 und tidyr_0.2.0
- es funktioniert, bis die Linie spread(Date, Metric, fill='')
- Jede chance, die Sie geladen plyr zusammen mit dplyr? Versuchen Sie es auf einem frischen R-Konsole
- Möglich. Können Sie mir zeigen, wie man die dput-Ding in der df? (die df ist die Ausgabe von meinem step1-code benötigen, plyr, also wenn ich saubere Umgebung - alle df-reset) Es ist das erste tine ich benutze dput für die übung. Danke! Ich gebe es noch einmal zu versuchen. (Seltsam genug, meine alte code mit 3 for-Schleifen, die ich schrieb, bevor ich gefunden die spread - Funktion, funktioniert die x2 schneller als die, die ich oben schrieb mit DF zu transformieren und zu verbreiten.. Seltsam??)
- Sorry, habe ich nicht verstanden to put dput thing in the df. In der Regel die dput-Ausgabe zu arbeiten. Zum Beispiel, wenn Sie versuchen dput(df) in die R-Konsole, es gibt einen Ausgang. Kopieren/einfügen der Ausgabe in ein neues Objekt erstellen, ich.e df2 <- structure(list(.... Wenn Sie bemerken, die Ausgabe von dput, Sie haben auch einen internen Verweis Zeiger, wie es ein Daten.Tabelle-Objekt. Ich konvertiere die df2 zu 'Daten.Rahmen " mit setDF(df2) Bezüglich der for-Schleife Verse verteilt, ich kann nicht kommentieren, wie die for-Schleife code wird nicht angezeigt.
- Habe ich auch so gedacht... von df <- die Struktur hat nicht funktioniert. zu untersuchen wird. Vielen Dank für alle Hilfe!
- Ich vergaß zu erwähnen, dass ich entfernt die .internal.selfref = <pointer: 0x00000000003d0788> während ich weisen Sie es einem neuen Objekt
- Sowieso. Ich werde wieder zu öffnen, diese Frage, wenn ich Teste alle möglichen Dinge w/o plyr im Umlauf und mit einem richtigen df. Danke, @akrun. Ich wirklich schätzen Ihre Hilfe. Sehen wollen, meinen HÄSSLICHEN code, der ausgeführt x2 schneller als dplyr mit Aggregat? 😉 4. Juli-Wochenende, also laptop geht auf dem Regal für jetzt 😉
- (Nicht sicher, was das Letzte Kommentar von pointer gemeint)
- Der Zeiger auf einen bestimmten Ort. Also, werde ich löschen, dass nur ein Teil, d.h. df2 <- structure(...., row.names = c(NA, -104L)). Wenn ich halten, dass ein Teil, es wird mir ein Fehler. dh. Error: unexpected '<' in: ""Metric"), class = c("data.table", "data.frame"), row.names = c(NA, -104L), .internal.selfref = <" Haben ein tolles Wochenende!
- danke!!! Ich Frage mich, ob Sie laufen konnte, timing auf zwei eigene Funktionen? Ich zögerte, ob Sie gehen mit meinem "hässlichen" code mit for-Schleifen, die tatsächlich schneller ist, als der aggregate-option, oder versuchen Sie das Debuggen des dplyr/tidyr ein. Vielen vielen Dank im Voraus. P. S. Wenn meine hässlichen code noch schneller läuft, denkst du es ist eine gute Idee, vorzuschlagen, den code, um Entwickler für die Umsetzung und ggf. weitere Verbesserung?
- Wie ich bereits erwähnt, ohne auf Ihre Schleife code, es ist nicht einfach zu kommentieren. In einigen Fällen, Schleife schneller sein. Ich würde vermuten, der dcast option schneller zu sein (unter den beiden) da es sich um nur einen einzigen Schritt.
- Yep. wird die Ausstattung einer ausgewachsenen Frage, wenn ich eine minute und Bürste auf meinen hässlichen code mit timing und guten Beispieldatensatz. Wenn Sie zufällig in Chicago, werde ich Sie kaufen ein Getränk! Du und andere Leute hier machen eine immense Arbeit zu helfen, andere R-Nutzer wie mich. DANKE!!!
- Ich danke Ihnen für Ihr großzügiges Angebot. Es ist ein großartiger Ort, waren es in 2013. Ich bin derzeit nicht in UNS.
InformationsquelleAutor akrun

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.

Update