r: частично изменяет форму широкой таблицы, но сохраняет ключевой столбец

Question

Я хотел бы преобразовать мой текущий фрейм данных в широкую таблицу, разложив Lag, но также сохранив переменную agent.Число в большинстве ячеек широкой таблицы sales.

library(reshape2)
set.seed(123)

day = rep(seq(as.Date('2019/01/01'), as.Date('2019/01/04'), by="day"), each = 5)
agent = sample(c('A', 'B', 'C'), 20, replace = T)
sales = rnorm(20, 100, 30) 
Lag = sample(0:3, 20, replace=T)

dt = data.frame(day, sales, agent, Lag)

В идеале результат выглядит следующим образом:

Я пробовал следующее, но ни одна из этих работ.

dcast(dt, day~Lag, value.var='sales')
dcast(dt, day~Lag+agent, value.var='sales')

Любое предложение высоко ценится!

Answer 1

Вот один из вариантов:

library(reshape2)
dcast(dt, day + agent ~ paste0("lag_", Lag), value.var='sales', fun.aggregate = sum)

#           day agent     lag_0     lag_1     lag_2     lag_3
# 1  2019-01-01     A   0.00000   0.00000 136.72245   0.00000
# 2  2019-01-01     B   0.00000 112.02314   0.00000   0.00000
# 3  2019-01-01     C 110.79441 103.32048   0.00000  83.32477
# 4  2019-01-02     A   0.00000 153.60739   0.00000   0.00000
# 5  2019-01-02     B   0.00000  85.81626   0.00000 235.97619
# 6  2019-01-02     C   0.00000   0.00000   0.00000  41.00149
# 7  2019-01-03     A   0.00000  81.24882   0.00000   0.00000
# 8  2019-01-03     B  78.13326   0.00000  93.46075   0.00000
# 9  2019-01-03     C   0.00000   0.00000  69.21987  67.96529
# 10 2019-01-04     A   0.00000 190.98950 104.60119   0.00000
# 11 2019-01-04     C 187.01365   0.00000   0.00000   0.00000

Примечание: упаковка reshape2 выходит из строя и не обслуживается. Поэтому рекомендуется вместо этого использовать data.table::dcast() или другую альтернативу, например tidyr.

Answer 2

Вот альтернатива dplyr / tidyr.Используя spread из tidyr, вы можете создать желаемую форму:

library(tidyr)
dt %>% spread(Lag, unique(Lag))

Используя dplyr, вы можете заполнить соответствующие столбцы:

dt %>% spread(Lag, unique(Lag), fill = 0) %>% mutate(`0` = sales * `0`) %>% mutate(`1` = sales * `1`) %>% mutate(`2` = sales * `2`/2) %>% mutate(`3` = sales * `3`/3)

          day     sales agent 0         1         2         3
1  2019-01-01  83.32477     C 0   0.00000   0.00000  83.32477
2  2019-01-01 103.32048     C 0 103.32048   0.00000   0.00000
3  2019-01-01 110.79441     C 0   0.00000   0.00000   0.00000
4  2019-01-01 112.02314     B 0 112.02314   0.00000   0.00000
5  2019-01-01 136.72245     A 0   0.00000 136.72245   0.00000
6  2019-01-02  41.00149     C 0   0.00000   0.00000  41.00149
7  2019-01-02  85.81626     B 0  85.81626   0.00000   0.00000
8  2019-01-02 114.93551     B 0   0.00000   0.00000 114.93551
9  2019-01-02 121.04068     B 0   0.00000   0.00000 121.04068
10 2019-01-02 153.60739     A 0 153.60739   0.00000   0.00000