R语言使用tidyr::spread或reshape2::dcast按id统计特征出现次数

核心报错原因 #

• 原数据未提前生成计数字段，长宽转换时没有可直接映射到单元格的数值列
• reshape2::dcast调用sum聚合时，默认取字符类型的feature作为值列，数值运算无法作用于字符输入
• tidyr::spread报错是因为key/value参数配置错误，且没有唯一键标识每行的映射关系

解决方案 #

方案1：tidyverse 实现（官方推荐） #

pivot_wider是tidyr官方推出替代spread的函数，稳定性更强：

library(tidyverse)

# 先统计每个id+feature组合的出现次数，再转宽表
df %>%
  count(id, feature) %>%
  pivot_wider(
    names_from = feature,
    values_from = n,
    values_fill = 0 # 未出现的特征默认填充为0
  )

# 若需使用spread语法实现
df %>%
  count(id, feature) %>%
  spread(key = feature, value = n, fill = 0)

方案2：reshape2::dcast 实现 #

不需要提前计数，直接指定聚合函数为length统计分组行数即可，不需要用sum：

library(reshape2)
dcast(
  df,
  id ~ feature,
  fun.aggregate = length,
  value.var = "feature"
)

两种方案输出结果一致，行对应id、列对应feature，单元格值为对应id下该feature的出现次数，未出现的feature值为0。

内容的提问来源于stack exchange，提问作者dan