Trong cơ sở R, hàm được sử dụng sẽ là reshape và bạn sẽ chuyển đổi dữ liệu của mình từ "dài" thành "rộng".
reshape(mydf, direction = "wide", idvar="perid", timevar="date")
# perid rating.2005 rating.2006 rating.2007 rating.2008 rating.2009 rating.2010 rating.2011
# 1 10001 RD GN GD <NA> <NA> <NA> <NA>
# 4 10002 <NA> <NA> <NA> GD YW GN GN
# 8 10003 GD GN YW <NA> <NA> <NA> <NA>
Ngoài ra, bạn có thể xem dcast từ gói "reshape2" và thử:
library(reshape2)
dcast(mydf, perid ~ date, value.var="rating")
# perid 2005 2006 2007 2008 2009 2010 2011
# 1 10001 RD GN GD <NA> <NA> <NA> <NA>
# 2 10002 <NA> <NA> <NA> GD YW GN GN
# 3 10003 GD GN YW <NA> <NA> <NA> <NA>
Để có tốc độ tốt hơn, hãy chuyển đổi data.frame của bạn tới một data.table và sử dụng dcast.data.table thay vào đó.
library(reshape2)
library(data.table)
DT <- data.table(mydf)
dcast.data.table(DT, perid ~ date, value.var = "rating")
# perid 2005 2006 2007 2008 2009 2010 2011
# 1: 10001 RD GN GD NA NA NA NA
# 2: 10002 NA NA NA GD YW GN GN
# 3: 10003 GD GN YW NA NA NA NA
Từ nhận xét của bạn, có vẻ như bạn có các giá trị trùng lặp giữa các kết hợp của cột 1 và 2, có nghĩa là theo mặc định, dcast sẽ sử dụng length như chức năng tổng hợp của nó.
Để vượt qua điều này, bạn cần tạo một cột ID phụ (hoặc "thời gian"), có thể được thực hiện như thế này.
Đầu tiên, một số dữ liệu mẫu. Lưu ý sự kết hợp trùng lặp của hai cột đầu tiên trong hàng 1 và hàng 2.
mydf <- data.frame(
period = c(10001, 10001, 10002, 10002, 10003, 10003, 10001, 10001),
date = c(2005, 2005, 2006, 2007, 2005, 2006, 2006, 2007),
rating = c("RD", "GN", "GD", "GD", "YW", "GN", "GD", "YN"))
mydf
# period date rating
# 1 10001 2005 RD
# 2 10001 2005 GN
# 3 10002 2006 GD
# 4 10002 2007 GD
# 5 10003 2005 YW
# 6 10003 2006 GN
# 7 10001 2006 GD
# 8 10001 2007 YN
Khi bạn thử dcast , nó chỉ "đếm" số dưới mỗi kết hợp.
## Not what you want
dcast(mydf, period ~ date, value.var="rating")
# Aggregation function missing: defaulting to length
# period 2005 2006 2007
# 1 10001 2 1 1
# 2 10002 0 1 1
# 3 10003 1 1 0
Quyết định hàng trùng lặp nào sẽ bị loại bỏ hoặc nếu tất cả dữ liệu thuộc về tập dữ liệu của bạn, hãy thêm biến "thời gian", như sau:
mydf$time <- ave(1:nrow(mydf), mydf$period, mydf$date, FUN = seq_along)
mydf
# period date rating time
# 1 10001 2005 RD 1
# 2 10001 2005 GN 2
# 3 10002 2006 GD 1
# 4 10002 2007 GD 1
# 5 10003 2005 YW 1
# 6 10003 2006 GN 1
# 7 10001 2006 GD 1
# 8 10001 2007 YN 1
Bây giờ, dcast sẽ hoạt động tốt. Đây là phiên bản bán dài ...
dcast(mydf, period + time ~ date, value.var="rating")
# period time 2005 2006 2007
# 1 10001 1 RD GD YN
# 2 10001 2 GN <NA> <NA>
# 3 10002 1 <NA> GD GD
# 4 10003 1 YW GN <NA>
... và phiên bản bán rộng.
dcast(mydf, period ~ date + time, value.var="rating")
# period 2005_1 2005_2 2006_1 2007_1
# 1 10001 RD GN GD YN
# 2 10002 <NA> <NA> GD GD
# 3 10003 YW <NA> GN <NA>
