Melt和Cast是在R中处理数据的常用操作。
在F#中，它将是相同类型或与其相似的记录的序列。
您知道F#中有任何此类功能吗？
(如果没有，谁会对制作它们的强类型版本感兴趣？)
更多信息:
融化将表格作为输入。
它具有列标题(我们的记录字段)和一系列行。
这些列可以分为一组“标识符”和一组“变量”
Melt将此表格以新的规范形式放入表格，其中各列现在为:
标识符，名为@“variable”的列，名为@“value”的列
如果您最初有10个“变量”(例如大小，重量等)，那么对于每个先前的记录，将有10条规范形式的记录，其中@'variable'列中的值将填充先前的标题您的“变量”中的列
相反，类型转换则是从融化的 table 中重建一张 table 。
R中的一个简短示例melt接收数据(dat)，如下所示:
a b c
1 1 0.48411551 0.2372291
2 2 0.58850308 0.3968759
3 3 0.74412592 0.9718320
4 4 0.93060118 0.8665092
5 5 0.01556804 0.2512399
并使其如下所示:
> melt(dat,id.vars = "a")
a variable value
1 1 b 0.48411551
2 2 b 0.58850308
3 3 b 0.74412592
4 4 b 0.93060118
5 5 b 0.01556804
6 1 c 0.23722911
7 2 c 0.39687586
8 3 c 0.97183200
9 4 c 0.86650918
10 5 c 0.25123992
cast本质上是相反的。这2个操作每天非常强大。
一旦有了它们，它就会像FP一样改变您的想法。
最佳答案
假设melt与SQL Server的unpivot相似，则应该做到这一点:
let melt keys (table: DataTable) =
let out = new DataTable()
let keyCols, otherCols =
table.Columns
|> Seq.cast<DataColumn>
|> Seq.toArray
|> Array.partition (fun c -> keys |> Seq.exists (fun k -> k = c.ColumnName))
for c in keyCols do
out.Columns.Add(c.ColumnName) |> ignore
out.Columns.Add("Key", typeof<string>) |> ignore
out.Columns.Add("Value") |> ignore
for r in table.Rows do
for c in otherCols do
let values = [|
for c in keyCols do yield r.[c]
yield box c.ColumnName
yield r.[c]
|]
out.Rows.Add(values) |> ignore
out
这是一个小测试，可以尝试一下:
let table = new DataTable()
[|"Country", typeof<string>
"2001", typeof<int>
"2002", typeof<int>
"2003", typeof<int>|]
|> Array.map (fun (name, typ) -> new DataColumn(name, typ))
|> table.Columns.AddRange
[
"Nigeria", 1, 2, 3
"UK", 2, 3, 4
]
|> List.iter (fun (a, b, c, d) -> table.Rows.Add(a, b, c, d) |> ignore)
let table2 = table |> melt ["Country"]
table2.Rows
|> Seq.cast<DataRow>
|> Seq.iter (fun r ->
for (c: DataColumn) in table2.Columns do
printfn "%A: %A" c.ColumnName r.[c]
printfn "")
产生
"Country": "Nigeria"
"Key": "2001"
"Value": "1"
"Country": "Nigeria"
"Key": "2002"
"Value": "2"
...
假设
cast是另一种方式(即pivot)，则您应该可以使用此代码并提出翻译。如果您经常这样做，则可能会发现将数据加载到SQL Server并使用内置运算符会更容易。
关于r - 在F#中，R中是否有类似 'melt'或 'cast'的操作？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/9522521/