Распространение data.frame с повторяющимся столбцом - PullRequest
Новая
       28

Распространение data.frame с повторяющимся столбцом

0 голосов
/ 22 февраля 2020

У меня есть большой data.frame, который я пытаюсь распространить. Пример игрушки выглядит следующим образом. 

data = data.frame(date = rep(c("2019", "2020"), 2), ticker = c("SPY", "SPY", "MSFT", "MSFT"), value = c(1, 2, 3, 4))

head(data)

 date ticker value
1 2019    SPY     1
2 2020    SPY     2
3 2019   MSFT     3
4 2020   MSFT     4

Я хотел бы распространить его так, чтобы data.frame выглядел следующим образом. 

spread(data, key = ticker, value = value)
  date MSFT SPY
1 2019    3   1
2 2020    4   2

Однако, когда я делаю это на моем фактическом data.frame, я получаю ошибку , 

Error: Each row of output must be identified by a unique combination of keys.
Keys are shared for 18204 rows:
* 30341, 166871
* 30342, 166872
* 30343, 166873
* 30344, 166874
* 30345, 166875
* 30346, 166876
* 30347, 166877
* 30348, 166878
* 30349, 166879
* 30350, 166880
* 30351, 166881
* 30352, 166882

Ниже голова и хвост моих данных. Рамка 

head(df)
ref.date   ticker weeklyReturn
  <date>     <chr>         <dbl>
1 2008-02-01 SPY         NA     
2 2008-02-04 SPY         NA     
3 2008-02-05 SPY         NA     
4 2008-02-06 SPY         NA     
5 2008-02-07 SPY         NA     
6 2008-02-08 SPY         -0.0478

tail(df)
ref.date   ticker weeklyReturn
  <date>     <chr>         <dbl>
1 2020-02-12 MDYV        0.00293
2 2020-02-13 MDYV        0.00917
3 2020-02-14 MDYV        0.0179 
4 2020-02-18 MDYV        0.0107 
5 2020-02-19 MDYV        0.00422
6 2020-02-20 MDYV        0.00347

Ответы [ 2 ]

1 голос
/ 22 февраля 2020

Вы можете использовать пакеты dplyr и tidyr. Чтобы избавиться от этой ошибки, вы должны сначала сложить значения для каждой группы. 

data %>%
  group_by(date, ticker) %>%
  summarise(value = sum(value)) %>%
  pivot_wider(names_from = ticker, values_from = value)

# date  MSFT  SPY
# <fct> <dbl> <dbl>
#  1 2019  3     1
#  2 2020  4     2
1 голос
/ 22 февраля 2020

Как сказано в комментариях, у вас есть несколько значений для одной комбинации тикера даты. Вам необходимо определить, что с этим делать.
Здесь с представлением: 

library(tidyr)
library(dplyr)

# your data is more like:
data = data.frame(
  date = c(2019, rep(c("2019", "2020"), 2)), 
  ticker = c("SPY", "SPY", "SPY", "MSFT", "MSFT"), 
  value = c(8, 1, 2, 3, 4))

# With two values for same date-ticker combination
data
#>   date ticker value
#> 1 2019    SPY     8
#> 2 2019    SPY     1
#> 3 2020    SPY     2
#> 4 2019   MSFT     3
#> 5 2020   MSFT     4

# Results in error
data %>% 
  spread(ticker, value)
#> Error: Each row of output must be identified by a unique combination of keys.
#> Keys are shared for 2 rows:
#> * 1, 2

# New pivot_wider() Creates list-columns for duplicates
data %>% 
  pivot_wider(names_from = ticker, values_from = value,)
#> Warning: Values in `value` are not uniquely identified; output will contain list-cols.
#> * Use `values_fn = list(value = list)` to suppress this warning.
#> * Use `values_fn = list(value = length)` to identify where the duplicates arise
#> * Use `values_fn = list(value = summary_fun)` to summarise duplicates
#> # A tibble: 2 x 3
#>   date  SPY       MSFT     
#>   <fct> <list>    <list>   
#> 1 2019  <dbl [2]> <dbl [1]>
#> 2 2020  <dbl [1]> <dbl [1]>

# Otherwise, decide yourself how to summarise duplicates with mean() for instance
data %>% 
  group_by(date, ticker) %>% 
  summarise(value = mean(value, na.rm = TRUE)) %>% 
  spread(ticker, value)
#> # A tibble: 2 x 3
#> # Groups:   date [2]
#>   date   MSFT   SPY
#>   <fct> <dbl> <dbl>
#> 1 2019      3   4.5
#> 2 2020      4   2

Создано в 2020-02-22 с помощью пакета представительства (v0.3.0)

...