我有一个看起来像这样的文件：
type created_at repository_name
1 IssuesEvent 2012-03-11 06:48:31 bootstrap
2 IssuesEvent 2012-03-11 06:48:31 bootstrap
3 IssuesEvent 2012-03-11 06:48:31 bootstrap
4 IssuesEvent 2012-03-11 06:52:50 bootstrap
5 IssuesEvent 2012-03-11 06:52:50 bootstrap
6 IssuesEvent 2012-03-11 06:52:50 bootstrap
7 IssueCommentEvent 2012-03-11 07:03:57 bootstrap
8 IssueCommentEvent 2012-03-11 07:03:57 bootstrap
9 IssueCommentEvent 2012-03-11 07:03:57 bootstrap
10 IssuesEvent 2012-03-11 07:03:58 bootstrap
11 IssuesEvent 2012-03-11 07:03:58 bootstrap
12 IssuesEvent 2012-03-11 07:03:58 bootstrap
13 WatchEvent 2012-03-11 07:15:44 bootstrap
14 WatchEvent 2012-03-11 07:15:44 bootstrap
15 WatchEvent 2012-03-11 07:15:44 bootstrap
16 WatchEvent 2012-03-11 07:18:45 hogan.js
17 WatchEvent 2012-03-11 07:18:45 hogan.js
18 WatchEvent 2012-03-11 07:18:45 hogan.js
说我有可以访问工作数据集https://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/twitter_exploratory_analysis/twitter_events_mini.csv 。
我想创建一个具有在“repository_name”列中的每个条目列的表（例如引导，hogan.js）。 在此专栏中，我需要从对应于该项目（即仅行形成了目前的“类型”一栏也已在当前“repository_name”列“引导”的值应该落在下的“类型”列有数据新的“引导”栏）。 因此：
- 时间戳仅仅是订货和不需要通过在该行同步（事实上它们可以被删除，因为该数据是根据时间戳已经排序）
- 即使“IssuesEvent”重复10X我需要保留所有的这些，因为我将使用R包占美娜做序列分析
- 列可以是不相等的长度的
- 有不同的回购列之间没有关系（“repository_name”）
换句话说，我想一个表，看起来是这样的：
bootstrap hogan.js
1 IssuesEvent PushEvent
2 IssuesEvent IssuesEvent
3 OssueCommentEvent WatchEvent
我怎样才能R中做到这一点？
一些使用重塑包我的失败尝试上可以找到https://github.com/aronlindberg/VOSS-Sequencing-Toolkit/blob/master/twitter_exploratory_analysis/reshaping_bigqueries.R 。
您的样本数据：
data <- structure(list(type = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 1L,
1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("IssueCommentEvent",
"IssuesEvent", "WatchEvent"), class = "factor"), created_at = structure(c(1L,
1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L,
6L), .Label = c("2012-03-11 06:48:31", "2012-03-11 06:52:50",
"2012-03-11 07:03:57", "2012-03-11 07:03:58", "2012-03-11 07:15:44",
"2012-03-11 07:18:45"), class = "factor"), repository_name = structure(c(1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L), .Label = c("bootstrap", "hogan.js"), class = "factor")), .Names = c("type",
"created_at", "repository_name"), class = "data.frame", row.names = c(NA,
-18L))
我从你只想要一个你的预期输出收集type时，它同样多次表明了created_at值，换句话说，你想删除重复：
data <- unique(data)
然后，提取所有type每个条目repository_name在它们出现的顺序，你可以简单地使用：
data.split <- split(data$type, data$repository_name)
data.split
# $bootstrap
# [1] IssuesEvent IssuesEvent IssueCommentEvent
# [4] IssuesEvent WatchEvent
# Levels: IssueCommentEvent IssuesEvent WatchEvent
#
# $hogan.js
# [1] WatchEvent
# Levels: IssueCommentEvent IssuesEvent WatchEvent
它返回一个列表，它是所选择的R数据结构，用于具有不同长度的向量的集合。
编辑：既然你已经提供的输出数据的一个例子，它已经变得更加明显，你的预期输出确实是一个data.frame。 您可以将上面的列表中与填充一个data.frame NA S使用以下功能：
list.to.df <- function(arg.list) {
max.len <- max(sapply(arg.list, length))
arg.list <- lapply(arg.list, `length<-`, max.len)
as.data.frame(arg.list)
}
df.out <- list.to.df(data.split)
df.out
# bootstrap hogan.js
# 1 IssuesEvent WatchEvent
# 2 IssuesEvent <NA>
# 3 IssueCommentEvent <NA>
# 4 IssuesEvent <NA>
# 5 WatchEvent <NA>
然后，您可以使用保存到一个文件
write.csv(df.out, file = "out.csv", quote = FALSE, na = "", row.names = FALSE)
得到完全相同的输出格式为你在GitHub上发布的一个。
我刚刚加入计算器; 希望我的回答是有点用的。
由表中，我假定你的意思是你想要的数据帧。 然而，似乎不太可能列是等长的，它看起来像行不会有多大的意义呢。 也许一个列表会更好？
下面是一个混乱的解决方案：
names <- unique(olddataframe$repository_name)
results <- sapply(1:length(names), function(j){
sapply(which(olddataframe$repository_name == names[j]), function(i){
olddataframe$type[i]
)
})
names(results) <- names
results
使用@ flodel的data对象，你也可以尝试aggregate()但有许多事件类型，这将很快成为不可读：
aggregate(list(Type = unique(data)$type),
list(Repository = unique(data)$repository_name),
function(x) paste0(x))
# Repository Type
# 1 bootstrap IssuesEvent, IssuesEvent, IssueCommentEvent, IssuesEvent, WatchEvent
# 2 hogan.js WatchEvent
你也可以尝试reshape()并做一些权谋与t()转），如下图所示。
temp = unique(data)
temp = reshape(temp, direction = "wide",
idvar="repository_name", timevar="created_at")
# If you want to keep the times, remove `row.names=NULL` below
temp1 = data.frame(t(temp[-1]), row.names=NULL)
names(temp1) = t(temp[1])
temp1
# bootstrap hogan.js
# 1 IssuesEvent <NA>
# 2 IssuesEvent <NA>
# 3 IssueCommentEvent <NA>
# 4 IssuesEvent <NA>
# 5 WatchEvent <NA>
# 6 <NA> WatchEvent
但是，我发现，所有这些的NAS是令人厌恶的; 我要说的是，@ flodel的回答是最直接的，可能从长远来看，最有用的（也就是，不知道正是你想做的事，一旦你以这种形式获得的数据是什么 ）。
更新（更多挂羊头卖狗肉）
（其实，这是一个“所以非常适合拖沓”的时刻）
我最后的（非常低效的）答案如下。
按上述步骤操作，但下降的日期/时间的东西，并从要素转换为字符。
# Using @flodel's data
temp1 = unique(data)[-2]
# Remove the factors
temp1[sapply(temp1, is.factor)] = lapply(temp1[sapply(temp1, is.factor)],
as.character)
# Split and unlist your data
temp2 = split(temp1[-c(2:3)], temp1$repository_name)
temp3 = sapply(temp2, as.vector)
rbind()和cbind()将不同长度的“回收”对象，使它们的长度相同，但我们不希望出现这种情况。 所以，我们要力R相信，长度是相同的。 因此，找出最大长度。 虽然我们在这，在提取名称的清理版本temp3对象。
# What is the max number of rows we need?
LEN = max(sapply(temp3, length))
# What are the names we want for our columns?
NAMES = gsub(".type", "", names(temp3))
现在，提取的物品temp3到工作区，并确保它们都具有相同的长度。
# Use assign to unlist the vectors to the workspace
for (i in 1:length(temp3)) assign(NAMES[i], temp3[[i]])
# Make sure they have the same lengths
length(hogan.js) = LEN
length(bootstrap) = LEN
最后，使用cbind()来把你的数据一起。
# Use cbind to put these together
data.frame(cbind(bootstrap, hogan.js))
# bootstrap hogan.js
# 1 IssuesEvent WatchEvent
# 2 IssuesEvent <NA>
# 3 IssueCommentEvent <NA>
# 4 IssuesEvent <NA>
# 5 WatchEvent <NA>
