Предположим, что у меня есть некоторые данные count, которые выглядят так:
library(tidyr)
library(dplyr)
X.raw <- data.frame(
x = as.factor(c("A", "A", "A", "B", "B", "B")),
y = as.factor(c("i", "ii", "ii", "i", "i", "i")),
z = 1:6)
X.raw
# x y z
# 1 A i 1
# 2 A ii 2
# 3 A ii 3
# 4 B i 4
# 5 B i 5
# 6 B i 6
Я хотел бы привести в порядок и подвести итог следующим образом:
X.tidy <- X.raw %>% group_by(x,y) %>% summarise(count=sum(z))
X.tidy
# Source: local data frame [3 x 3]
# Groups: x
#
# x y count
# 1 A i 1
# 2 A ii 5
# 3 B i 15
Я знаю, что для x=="B" и y=="ii" мы наблюдали отсчет нуля, а не отсутствующее значение. то есть полевой рабочий на самом деле был там, но из-за отсутствия положительного подсчета в исходные данные не было введено никаких строк. Я могу добавить нулевой счет явным образом, выполнив следующее:
X.fill <- X.tidy %>% spread(y, count, fill=0) %>% gather(y, count, -x)
X.fill
# Source: local data frame [4 x 3]
#
# x y count
# 1 A i 1
# 2 B i 15
# 3 A ii 5
# 4 B ii 0
Но это кажется немного окольным способом делать вещи. Их чистая идиома для этого?
Просто уточнить: мой код уже делает то, что мне нужно, используя spread then gather, поэтому меня интересует поиск более прямого маршрута внутри tidyr и dplyr.
Начиная с dplyr 0.8 вы можете сделать это, установив параметр .drop = FALSE в group_by:
X.tidy <- X.raw %>% group_by(x, y, .drop = FALSE) %>% summarise(count=sum(z))
X.tidy
# # A tibble: 4 x 3
# # Groups: x [2]
# x y count
# <fct> <fct> <int>
# 1 A i 1
# 2 A ii 5
# 3 B i 15
# 4 B ii 0
Функция complete из tidyr выполняется именно для этой ситуации.
Из документов:
Это оболочка вокруг expand(), left_join() и replace_na, которая полезно для заполнения отсутствующих комбинаций данных.
Вы можете использовать его двумя способами. Во-первых, вы можете использовать его в исходном наборе данных, прежде чем суммировать "заполнение" набора данных всеми комбинациями x и y и заполнить z 0 (вы можете использовать по умолчанию NA fill и используйте na.rm = TRUE в sum).
X.raw %>%
complete(x, y, fill = list(z = 0)) %>%
group_by(x,y) %>%
summarise(count = sum(z))
Source: local data frame [4 x 3]
Groups: x [?]
x y count
<fctr> <fctr> <dbl>
1 A i 1
2 A ii 5
3 B i 15
4 B ii 0
Вы также можете использовать complete в вашем предварительно суммированном наборе данных. Обратите внимание, что complete относится к группировке. X.tidy сгруппирован, поэтому вы можете ungroup и заполнить набор данных x и y или просто перечислить переменную, которую вы хотите заполнить в каждой группе, - в этом случае y.
# Complete after ungrouping
X.tidy %>%
ungroup %>%
complete(x, y, fill = list(count = 0))
# Complete within grouping
X.tidy %>%
complete(y, fill = list(count = 0))
Результат будет одинаковым для каждой опции:
Source: local data frame [4 x 3]
x y count
<fctr> <fctr> <dbl>
1 A i 1
2 A ii 5
3 B i 15
4 B ii 0
Вы можете использовать tidyr expand для создания всех комбинаций уровней факторов, а затем left_join:
X.tidy %>% expand(x, y) %>% left_join(X.tidy)
# Joining by: c("x", "y")
# Source: local data frame [4 x 3]
#
# x y count
# 1 A i 1
# 2 A ii 5
# 3 B i 15
# 4 B ii NA
Затем вы можете сохранить значения как NA или заменить их на 0 или любое другое значение.
Таким образом, это не полное решение проблемы, но она быстрее и удобнее для RAM, чем spread и gather.
plyr имеет функциональность, которую вы ищете, но dplyr пока еще не существует, поэтому вам нужен дополнительный код для включения групп нулевого счета, как показано @momeara. Также см. этот вопрос. В plyr::ddply вы просто добавляете .drop=FALSE, чтобы сохранить нулевые числа в конечном результате. Например:
library(plyr)
X.tidy = ddply(X.raw, .(x,y), summarise, count=sum(z), .drop=FALSE)
X.tidy
x y count
1 A i 1
2 A ii 5
3 B i 15
4 B ii 0
Вы можете явно сделать все возможные комбинации, а затем присоединить его к аккуратной сводке:
x.fill <- expand.grid(x=unique(x.tidy$x), x=unique(x.tidy$y)) %>%
left_join(x.tidy, by=("x", "y")) %>%
mutate(count = ifelse(is.na(count), 0, count)) # replace null values with 0's