Как создать новые столбцы фрейма данных, соответствующие уровням данного столбца, используя пакет plyr в R?

Question

Я ищу «элегантный» способ в основном разделить кадр данных по уровням одной переменной столбца, а затем создать новый выходной кадр данных, преобразованный, чтобы теперь сбросить переменную фактора и добавить новые столбцы для уровней факторной переменной , Я могу сделать это с помощью таких функций, как метод split(), но это кажется мне грязным способом. Я пытался сделать это, используя функции melt() и cast() в пакете plyr, но не добился успеха в получении точного результата, который мне нужен.

Вот что выглядит мои данные, как:

> jumbo.df = read.csv(...) 
> head(jumbo.df) 
     PricingDate Name  Rate 
    186 2012-03-05 Type A 2.875 
    187 2012-03-05 Type B 3.250 
    188 2012-03-05 Type C 3.750 
    189 2012-03-05 Type D 3.750 
    190 2012-03-05 Type E 4.500 
    191 2012-03-06 Type A 2.875 

То, что я хотел бы сделать, это разделить переменной имя, удалить Имя и Rate, затем выходные столбцы для типа А, Тип B, Тип C, Тип D и Тип E с соответствующей скоростью серии с Дата ID:

> head(output.df) 
     PricingDate Type A Type B Type C Type D Type E 
     2012-03-05 2.875 3.250  3.750  3.750  4.500 
     2012-03-06 2.875 ... 

Спасибо!

Answer 1

Не уверен, что я прав, но может быть, вы просто хотите изменить свои данные в широком формате? Если это так, вы должны использовать функции melt и cast пакета reshape (!). reshape2 в основном то же самое. Поскольку ваши данные уже находятся в расплавленном виде, то есть в длинном формате, один вкладыш делает то, что вы хотите:

df <- read.table(textConnection("PricingDate Name  Rate 
           2012-03-05 TypeA 2.875 
           2012-03-05 TypeB 3.250 
           2012-03-05 TypeC 3.750 
           2012-03-05 TypeD 3.750 
           2012-03-05 TypeE 4.500 
           2012-03-06 TypeA 2.875"), header=TRUE, row.names=NULL) 
library(reshape2) 
dcast(df, PricingDate ~ Name) 
Using Rate as value column: use value.var to override. 
    PricingDate TypeA TypeB TypeC TypeD TypeE 
1 2012-03-05 2.875 3.25 3.75 3.75 4.5 
2 2012-03-06 2.875 NA NA NA NA 

Answer 2

library(plyr) 
library(reshape2) 

    data <- structure(list(PricingDate = c("2012-03-05", "2012-03-05", "2012-03-05", 
    "2012-03-05", "2012-03-05", "2012-03-06", "2012-03-06", "2012-03-06", 
    "2012-03-06", "2012-03-06"), Name = c("Type A", "Type B", "Type C", 
    "Type D", "Type E", "Type A", "Type B", "Type C", "Type D", "Type E" 
    ), Rate = c(2.875, 3.25, 3.75, 3.75, 4.5, 4.875, 5.25, 6.75, 
    7.75, 8.5)), .Names = c("PricingDate", "Name", "Rate"), class = "data.frame", row.names = c("186", 
    "187", "188", "189", "190", "191", "192", "193", "194", "195" 
    )) 


    > data 
     PricingDate Name Rate 
    186 2012-03-05 Type A 2.875 
    187 2012-03-05 Type B 3.250 
    188 2012-03-05 Type C 3.750 
    189 2012-03-05 Type D 3.750 
    190 2012-03-05 Type E 4.500 
    191 2012-03-06 Type A 4.875 
    192 2012-03-06 Type B 5.250 
    193 2012-03-06 Type C 6.750 
    194 2012-03-06 Type D 7.750 
    195 2012-03-06 Type E 8.500 


    ddply(data, .(PricingDate), function(x) reshape(x, idvar="PricingDate", timevar="Name", direction="wide")) 



    PricingDate Rate.Type A Rate.Type B Rate.Type C Rate.Type D 
    1 2012-03-05  2.875  3.25  3.75  3.75 
    2 2012-03-06  4.875  5.25  6.75  7.75 
     Rate.Type E 
    1   4.5 
    2   8.5