Panel Formation des données dans R

Question

J'ai un ensemble de données avec un grand nombre de sociétés. Et pour chaque entreprise, j'ai estimé une mesure pour chaque mois sur une période de temps, c'est-à-dire une année. Mais maintenant je veux restructurer cet ensemble de données dans un panneau de données. Ci-dessous, j'illustre l'ensemble de données que j'ai.

Month Beta A B 
Jan-05 Beta1 1 32 
Jan-05 Beta2 2 32 
Jan-05 Beta3 3 32 
Jan-05 Beta4 4 32 
Jan-05 Beta5 5 32 
Jan-05 Beta6 6 32 
Feb-05 Beta1 7 32 
Feb-05 Beta2 8 32 
Feb-05 Beta3 9 32 
Feb-05 Beta4 10 32 
Feb-05 Beta5 11 32 
Feb-05 Beta6 12 32 
Mar-05 Beta1 13 32 
Mar-05 Beta2 14 32 
Mar-05 Beta3 15 32 
Mar-05 Beta4 16 32 
Mar-05 Beta5 17 32 
Mar-05 Beta6 18 32 
Apr-05 Beta1 19 32 
Apr-05 Beta2 20 32 
Apr-05 Beta3 21 32 
Apr-05 Beta4 22 32 
Apr-05 Beta5 23 32 
Apr-05 Beta6 24 32 
May-05 Beta1 25 32 
May-05 Beta2 26 32 
May-05 Beta3 27 32 
May-05 Beta4 28 32 
May-05 Beta5 29 32 
May-05 Beta6 30 32 
Jun-05 Beta1 31 32 
Jun-05 Beta2 32 32 
Jun-05 Beta3 33 32 
Jun-05 Beta4 34 32 
Jun-05 Beta5 35 32 
Jun-05 Beta6 36 32 
Jul-05 Beta1 37 32 
Jul-05 Beta2 38 32 
Jul-05 Beta3 39 32 
Jul-05 Beta4 40 32 
Jul-05 Beta5 41 32 
Jul-05 Beta6 42 32 
Aug-05 Beta1 43 32 
Aug-05 Beta2 44 32 
Aug-05 Beta3 45 32 
Aug-05 Beta4 46 32 
Aug-05 Beta5 47 32 
Aug-05 Beta6 48 32 
Sep-05 Beta1 49 32 
Sep-05 Beta2 50 32 
Sep-05 Beta3 51 32 
Sep-05 Beta4 52 32 
Sep-05 Beta5 53 32 
Sep-05 Beta6 54 32 
Oct-05 Beta1 55 32 
Oct-05 Beta2 56 32 
Oct-05 Beta3 57 32 
Oct-05 Beta4 58 32 
Oct-05 Beta5 59 32 
Oct-05 Beta6 60 32 
Nov-05 Beta1 61 32 
Nov-05 Beta2 62 32 
Nov-05 Beta3 63 32 
Nov-05 Beta4 64 32 
Nov-05 Beta5 65 32 
Nov-05 Beta6 66 32 
Dec-05 Beta1 67 32 
Dec-05 Beta2 68 32 
Dec-05 Beta3 69 32 
Dec-05 Beta4 70 32 
Dec-05 Beta5 71 32 
Dec-05 Beta6 72 32 

Comme on peut observer six mesures distinctes beta1, beta2, Beta3, Beta4, Beta5 et BETA6 ont été calculés pour chaque mois. Maintenant, je veux remodeler ceci en comme suit

Month Company Beta1 Beta2 Beta3 Beta4 Beta5 Beta6 
Jan-05 A  1   2  3  4  5 6 
Feb-05 A  7   8  9  10  11 12 
Mar-05 A  13  14  15  16  17 18 
Apr-05 A  19  20  21  22  23 24 
May-05 A  25  26  27  28  29 30 
Jun-05 A  31  32  33  34  35 36 
Jul-05 A  37  38  39  40  41 42 
Aug-05 A  43  44  45  46  47 48 
Sep-05 A  49  50  51  52  53 54 
Oct-05 A  56  57  58  59  60 61 
Nov-05 A  62  63  64  65  66 67 
Dec-05 A  68  69  70  71  72 73 
Jan-05 B  32  32  32  32  32 32 
Feb-05 B  32  32  32  32  32 32 
Mar-05 B  32  32  32  32  32 32 
Apr-05 B  32  32  32  32  32 32 
May-05 B  32  32  32  32  32 32 
Jun-05 B  32  32  32  32  32 32 
Jul-05 B  32  32  32  32  32 32 
Aug-05 B  32  32  32  32  32 32 
Sep-05 B  32  32  32  32  32 32 
Oct-05 B  32  32  32  32  32 32 
Nov-05 B  32  32  32  32  32 32 
Dec-05 B  32  32  32  32  32 32 

Mon ensemble de données d'origine a plus de mille colonnes. J'ai fait référence à enter link description here mais mon ensemble de données est différent de celui-ci. J'apprécierais vraiment votre aide à cet égard.

Answer 1

Ceci est un classique recast. L'argument id.var va à melt, les autres arguments vont à dcast.

La première fonction melt produit une trame de données longue spécifiée avec id.var=c("Month", "Beta"). Par conséquent, la sortie combinera les colonnes "A" et "B" dans une colonne appelée variable et créera une colonne distincte value. Avec ce fondu data.frame Nous pouvons alors lancer large avec dcast. La formule Month+variable ~ Beta a des variables d'identification sur la gauche du tilde (~) et mesure les variables sur la droite. Les deux fonctions sont combinées en recast pour plus de commodité.

Si les questions d'ordre, convertir la colonne mois à des dates et l'ordre à la fin:

library(zoo) 
library(reshape2) 
df[,1] <- as.yearmon(df[,1], "%b-%y") 
newdf <- recast(df, id.var=c("Month", "Beta"), Month+variable~Beta, value.var="value") 
newdf <- newdf[order(newdf$variable,newdf$Month),] 
newdf[,1] <- format(newdf$Month, "%b-%y") 
newdf 
#  Month variable Beta1 Beta2 Beta3 Beta4 Beta5 Beta6 
# 1 Jan-05  A  1  2  3  4  5  6 
# 3 Feb-05  A  7  8  9 10 11 12 
# 5 Mar-05  A 13 14 15 16 17 18 
# 7 Apr-05  A 19 20 21 22 23 24 
# 9 May-05  A 25 26 27 28 29 30 
# 11 Jun-05  A 31 32 33 34 35 36 
# 13 Jul-05  A 37 38 39 40 41 42 
# 15 Aug-05  A 43 44 45 46 47 48 
# 17 Sep-05  A 49 50 51 52 53 54 
# 19 Oct-05  A 55 56 57 58 59 60 
# 21 Nov-05  A 61 62 63 64 65 66 
# 23 Dec-05  A 67 68 69 70 71 72 
# 2 Jan-05  B 32 32 32 32 32 32 
# 4 Feb-05  B 32 32 32 32 32 32 
# 6 Mar-05  B 32 32 32 32 32 32 
# 8 Apr-05  B 32 32 32 32 32 32 
# 10 May-05  B 32 32 32 32 32 32 
# 12 Jun-05  B 32 32 32 32 32 32 
# 14 Jul-05  B 32 32 32 32 32 32 
# 16 Aug-05  B 32 32 32 32 32 32 
# 18 Sep-05  B 32 32 32 32 32 32 
# 20 Oct-05  B 32 32 32 32 32 32 
# 22 Nov-05  B 32 32 32 32 32 32 
# 24 Dec-05  B 32 32 32 32 32 32 

Answer 2

Utilisation des fonctions de package {tidyr}:

df <- data.frame(Month = c(rep("Jan-05", 6), rep("Feb-05",6)), 
       Beta = c(paste0("Beta",1:6), paste0("Beta",1:6)), 
       A = 1:12, 
       B=rep(32,12)) 

df2 <- tidyr::gather(df, key = Company, value = val, A, B) 

df3 <- tidyr::spread(data = df2, key = Beta, value = val) 

## Month Company Beta1 Beta2 Beta3 Beta4 Beta5 Beta6 
##1 Feb-05  A  7  8  9 10 11 12 
##2 Feb-05  B 32 32 32 32 32 32 
##3 Jan-05  A  1  2  3  4  5  6 
##4 Jan-05  B 32 32 32 32 32 32 

Answer 3

Vous pouvez trouver la même réponse le pdf Reshape qui est disponible en ligne. Veuillez passer en revue ce lien.
https://cran.r-project.org/web/packages/reshape/reshape.pdf

https://cran.r-project.org/web/packages/reshape2/reshape2.pdf

# This is an example. 
names(airquality) <- tolower(names(airquality)) 
aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE) 
cast(aqm, day ~ month ~ variable) 
# Not only sorting there are many other possiblities. 
cast(aqm, month ~ variable, mean) 
cast(aqm, month ~ . | variable, mean) 
cast(aqm, month ~ variable, mean, margins=c("grand_row", "grand_col")) 
cast(aqm, day ~ month, mean, subset=variable=="ozone") 
cast(aqm, month ~ variable, range) 
cast(aqm, month ~ variable + result_variable, range) 
cast(aqm, variable ~ month ~ result_variable,range) 

Si vous suivez tous les exemples, il y a votre réponse. Reshape est un package pratique. Que cela vous aide.