Convertir de formato largo a ancho usando una función de agregación en R

Problema

Deseamos transformar un data frame de formato largo a ancho agrupando por la suma de los valores de una de las variables. Es decir pasar de esta tabla,

 V1 V3     V2
1  5 10    low
2  5  3    low
3  5  6 medium
4 45 10    low
5 45  3    low
6 77  1   high

A esta otra, donde mantenemos la columna V1, la columna V2 contiene los nombres de las nuevas columnas, y la columna V3 será la variable que almacenará los valores y que agregaremos sumando.

  V1 low medium high
1  5  13      6    0
2 45  13      0    0
3 77   0      0    1

Datos originales

V1 <- c(5,5,5,45,45,77)  
V2 <- c("low", "low", "medium", "low", "low", "high")  
V3 <- c(10,3,6,10,3,1)  
df <- as.data.frame(cbind(V1,V3,V2))

Soluciones

Primero examinamos el data frame que nos dieron.

str(df)

'data.frame': 6 obs. of  3 variables:
 $ V1: Factor w/ 3 levels "45","5","77": 2 2 2 1 1 3
 $ V3: Factor w/ 4 levels "1","10","3","6": 2 3 4 2 3 1
 $ V2: Factor w/ 3 levels "high","low","medium": 2 2 3 2 2 1

Las columnas V1 y V3 se han convertido en factores, cuando deberían ser númericas. Si utilizáramos cualquier código obtendríamos el error: Error: ‘sum’ not meaningful for factors. Para solucionarlo, empleamos el siguiente código:

df <- cbind.data.frame(V1,V3,V2)
str(df)

'data.frame': 6 obs. of  3 variables:
 $ V1: num  5 5 5 45 45 77
 $ V3: num  10 3 6 10 3 1
 $ V2: Factor w/ 3 levels "high","low","medium": 2 2 3 2 2 1

reshape2

Empleamos dcast para crear un data frame, usando V3 como la variable valores, e indicamos como función de agregación la suma (sum).

library(reshape2)
dcast(df, V1  ~ V2, value.var="V3", fun = sum)

  V1 high low medium
1  5    0  13      6
2 45    0  13      0
3 77    1   0      0

Como se puede observar, ordenado las columnas alfabéticamente (high, low y medium) en lugar de respetar el orden de ocurrencia original: low, medium, high.

dcast(df, V1  ~ factor(V2, levels = unique(V2)), value.var = "V3", sum)

'data.frame': 6 obs. of  3 variables:
 $ V1: num  5 5 5 45 45 77
 $ V3: num  10 3 6 10 3 1
 $ V2: Factor w/ 3 levels "high","low","medium": 2 2 3 2 2 1

paquete base

Empleamos la función xtabs para crear una tabla de contingencia mediante el formato fórmula.

xtabs(V3 ~ V1 + V2, df)

    V2
V1   high low medium
  5     0  13      6
  45    0  13      0
  77    1   0      0

xtabs(V3 ~ V1 + factor(V2, c("low", "medium", "high")), df)

   factor(V2, c("low", "medium", "high"))
V1   low medium high
  5   13      6    0
  45  13      0    0
  77   0      0    1

dplyr y tidyr

Con dplyr con la función spread, el equivalente a dcast en reshape2.

df$V2 <- factor(df$V2, levels = c("low", "medium", "high"))

library(tidyr)# Función spread
library(dplyr)

df %>%
  group_by(V1, V2) %>%
  summarise(sum = sum(V3)) %>%
  spread(V2, sum, fill = 0)

Source: local data frame [3 x 4]

     V1   low medium  high
  (dbl) (dbl)  (dbl) (dbl)
1     5    13      6     0
2    45    13      0     0
3    77     0      0     1

Entradas relacionadas

• Tablas de contingencia en R
• Transformar tabla de contingencia en tabla de de frecuencias

Referencias

• stackoveflow