将数据合并为长数 据帧

Question

我正在整合数据以将其放入新数据库中，并且在用新的外键（FK）变量替换旧列时遇到一些问题。我将所有数据合并为长格式，然后再次将其转换为新数据模型的新表结构。由于通用变量（如“总计”）的某些名称重复，并且将一些旧名称合并为新名称，因此直接合并并不总是有效，因为名称将不匹配。我可以使用一些变通办法，也许还有一些其他概念上的改进可以解决我的问题。但是，我通常对是否有一种方法可以将FK合并并替换为长数据表感到好奇，就像它适用于宽表一样。

搜索“合并”或“长”的线程总是会产生其他熔化问题，这就是为什么我要问自己。

我尝试使用'mtcars'创建通用示例

library(data.table)
dt<-data.table(mtcars)
#Create Id to melt the data 
dt[,id:=1:.N]
dt_long<-melt(dt, id.vars="id")
#Create a unique sub table for 4 variables of mtcars with a new sub_id
merge_cols<-c("vs","am","gear","carb")
dt_sub<-dt[,..merge_cols]
dt_sub<-unique(dt_sub)
dt_sub[,id_sub:=1:.N]
# Easy to merge with orginal table and delete old columns
merge(dt,dt_sub, by=merge_cols )
set(dt, , merge_cols, NULL)
#Any way to do this with the long data frame? 
setorder(dt_long, id)
dt_long[variable %in% merge_cols,]
dt_sub[vs==0 & am==1 & gear ==4 & carb==4,]

例如，前四行应替换为变量“ sub_id”和值“ 4”的一行

Answer 1

如果我理解正确（但可能是我遗漏了要点），问题是如何合并长格式的子集。也许，OP正在寻找以下方面的内容。

第一步是要了解子集在某种程度上等效于查找表的合并/联接。因此，

library(data.table) # just to highlight that data.table syntax is used here
dt_sub[vs == 0 & am == 1 & gear == 4 & carb == 4, ]

返回与]相同的结果>

lut_wide <- data.table(vs = 0, am = 1, gear = 4, carb = 4)
dt_sub[lut_wide, on = names(lut_wide)]
   vs am gear carb id_sub
1:  0  1    4    4      1

要以长格式进行同样的操作，还需要调整查找表的形状：

lut_long <- melt(lut_wide, measure.vars = names(lut_wide))
   variable value
1:       vs     0
2:       am     1
3:     gear     4
4:     carb     4

或者，fread()可用于从头开始以长格式创建查找表：

lut_long <- fread(
"variable, value
vs, 0
am, 1
gear, 4
carb, 4")
现在，我们需要找到满足条件[[全部4

的那些id：

idx <- dt_long[lut_long, on = .(variable, value)][, which(.N == nrow(lut_long)), by = id][, .(id)]
idx

   id
1:  1
2:  2

最后，idx用于子集dt_long（通过加入）：
dt_long[variable %in% merge_cols, ][idx, on = "id"]
   id variable value
1:  1       vs     0
2:  1       am     1
3:  1     gear     4
4:  1     carb     4
5:  2       vs     0
6:  2       am     1
7:  2     gear     4
8:  2     carb     4

这里，仅考虑在merge_cols中定义的变量。显然，结果包含重复项。可以通过仅填充idx的第一行将其删除：
dt_long[variable %in% merge_cols, ][first(idx), on = "id"]
   id variable value
1:  1       vs     0
2:  1       am     1
3:  1     gear     4
4:  1     carb     4