Я борюсь со следующим.
Если есть (большой) фрейм данных со следующим:
- несколько столбцов, для которых комбинация столбцов является «уникальной» комбинацией, скажем, ID
- столбец, связанный со временем
- столбец, связанный с мерой
Я хочу убедиться, что для каждого уникального идентификатора для каждого временного интервала мера доступна во фрейме данных. И если это не так, я хочу добавить 0 (или NA) меру для этого времени / ID.
Чтобы проиллюстрировать проблему, создайте следующий test фрейм данных:
test <- data.frame(
YearWeek =rep(c("2012-01","2012-02"),each=4),
ProductID =rep(c(1,2), times=4),
CustomerID =rep(c("a","b"), each=2, times=2),
Quantity =5:12
)[1:7,]
YearWeek ProductID CustomerID Quantity
1 2012-01 1 a 5
2 2012-01 2 a 6
3 2012-01 1 b 7
4 2012-01 2 b 8
5 2012-02 1 a 9
6 2012-02 2 a 10
7 2012-02 1 b 11
Восьмой ряд пропущен специально. Таким образом, я моделирую «отсутствующее значение» (отсутствует Quantity) для идентификатора «2-b» (ProductID-CustomerID) для значения времени «2012-02».
Я хочу настроить data.frame таким образом, чтобы для всех значений времени (они известны, в данном примере только «2012-01» и «2012-02») для всех ID-комбинаций (они не известны заранее, но это «все уникальные комбинации идентификаторов в кадре данных», то есть уникальный набор в столбцах идентификаторов), количество доступно в кадре данных.
Это должно привести к этому примеру (если мы выберем NA для отсутствующего значения, обычно я хочу иметь контроль над этим):
YearWeek ProductID CustomerID Quantity
1 2012-01 1 a 5
2 2012-01 2 a 6
3 2012-01 1 b 7
4 2012-01 2 b 8
5 2012-02 1 a 9
6 2012-02 2 a 10
7 2012-02 1 b 11
8 2012-02 2 b NA
Конечная цель - создать временные ряды для этих комбинаций идентификаторов, и поэтому я хочу иметь количественные значения для всех значений времени. Мне нужно делать разные агрегации (вовремя) и использовать разные уровни идентификаторов из большого набора данных
Я пробовал несколько вещей, например, с melt и cast из пакета reshape. Но пока мне это не удалось. Следующим шагом является создание функции с циклами for и т. Д., Но это не очень полезно с точки зрения производительности.
Может быть, есть более простой способ мгновенного создания временных рядов с указанием data.frame вроде test. У кого-нибудь есть идеи по этому поводу?
Заранее спасибо!
Обратите внимание, что в реальной задаче имеется более двух «столбцов идентификаторов».
EDIT:
Я должен описать проблему дальше. Существует разница между столбцом time и столбцом ID. Первый (и отличный!) Ответ на вопрос Джоран , возможно, не получил четкого понимания того, что я хочу (и приведенный мной пример не прояснил разницу). Я сказал выше:
для всех ID-комбинаций (они не известны заранее, но это все
уникальные комбинации идентификаторов в кадре данных », таким образом, уникальный набор
Столбцы идентификаторов)
Поэтому я хочу не «все возможные комбинации идентификаторов», а «все комбинации идентификаторов в данных».
Для каждой из этих комбинаций я хочу значение для каждого уникального значения времени.
Позвольте мне прояснить, расширив test до test2 следующим образом
> test2 <- rbind(test, c("2012-02", 3, "a", 13))
> test2
YearWeek ProductID CustomerID Quantity
1 2012-01 1 a 5
2 2012-01 2 a 6
3 2012-01 1 b 7
4 2012-01 2 b 8
5 2012-02 1 a 9
6 2012-02 2 a 10
7 2012-02 1 b 11
8 2012-02 3 a 13
Это означает, что я хочу, чтобы в результирующем фрейме данных не было комбинации идентификаторов «3-b», поскольку эта комбинация не находится в пределах test2. Если я использую метод первого ответа, я получу следующее:
> vals2 <- expand.grid(YearWeek = unique(test2$YearWeek),
ProductID = unique(test2$ProductID),
CustomerID = unique(test2$CustomerID))
> merge(vals2,test2,all = TRUE)
YearWeek ProductID CustomerID Quantity
1 2012-01 1 a 5
2 2012-01 1 b 7
3 2012-01 2 a 6
4 2012-01 2 b 8
5 2012-01 3 a <NA>
6 2012-01 3 b <NA>
7 2012-02 1 a 9
8 2012-02 1 b 11
9 2012-02 2 a 10
10 2012-02 2 b <NA>
11 2012-02 3 a 13
12 2012-02 3 b <NA>
Так что я не хочу, чтобы строки 6 и 12 были здесь.
Чтобы преодолеть эту проблему, я нашел решение в следующем. Здесь я разделил «уникальный столбец времени» и «комбинацию уникальных идентификаторов». Таким образом, разница с вышеупомянутым состоит в слове «комбинация», а не в каждом столбце идентификатора.
> temp_merge <- merge(unique(test2["YearWeek"]),
unique(test2[c("ProductID", "CustomerID")]))
> merge(temp_merge,test2,all = TRUE)
YearWeek ProductID CustomerID Quantity
1 2012-01 1 a 5
2 2012-01 1 b 7
3 2012-01 2 a 6
4 2012-01 2 b 8
5 2012-01 3 a <NA>
6 2012-02 1 a 9
7 2012-02 1 b 11
8 2012-02 2 a 10
9 2012-02 2 b <NA>
10 2012-02 3 a 13
Какие комментарии к этому?
Это элегантный способ или есть лучшие способы?