我有一个看起来像这样的东西。
# 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
我想将它扩展为一个广泛的数据框架。我用过这段代码。
aTibble %>% distinct() %>% spread(question, answer)
但是,我最终得到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,然后为问题和答案为null。单个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,但它们并不都有相同的问题。
另外,我没有制作V1行,这不是我原来的tibble。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功能时,它工作得很好。当我在完整数据集(~150K记录)上执行该功能时,我得到了NA。
很难理解为什么这样做不起作用。 dcast
是使用reshape2
的好选择。你可以实现同样的目标。
aTibble %>% distinct() %>% dcast(id ~ question, value.var = "answer")