Umformen eines Datenrahmens in R

Question

Ich brauche etwas Hilfe, um die Ausgabe einer Funktion neu zu gestalten, die durch ein R-Paket kommt.

Mein Ziel ist es, einen Datenrahmen namens output_IMFData auf eine Art und Weise zu gestalten, die der Form von output_imfr sehr ähnlich ist. Die Codes eines MWE diese Datenrahmen Reproduktion sind:

library(imfr) 

output_imfr <- imf_data(database_id="IFS", indicator="IAD_BP6_USD", country = "", start = 2010, end = 2014, freq = "A", return_raw =FALSE, print_url = T, times = 3) 

und für output_IMFData

library(IMFData) 
databaseID <- "IFS" 
startdate <- "2010" 
enddate  <- "2014" 
checkquery <- FALSE 
queryfilter <- list(CL_FREA = "A", CL_AREA_IFS = "", CL_INDICATOR_IFS = "IAD_BP6_USD") 
output_IMFData <- CompactDataMethod(databaseID, queryfilter, startdate, enddate, 
            checkquery) 

die Ausgabe von output_IMFData sieht wie folgt aus:

Aber, ich will Um diesen Datenrahmen so umzugestalten, dass er wie die Ausgabe von output_imfr aussieht:

Leider bin ich nicht, dass fortgeschrittene Benutzer und konnte nicht etwas finden, das mir helfen kann. Mein grundlegendes Problem bei der Umwandlung der Form von output_IMFData in die Form des zweiten "Panel-Daten-Looking" -Datenframework ist, dass ich nicht weiß, wie man die Obs in output_IMFData in einer Weise, die die "Korrespondenz" mit dem nicht verlieren kann Referenz Code @REF-AREA in output_IMFData Das heißt, in Spalte @REF-AREA gibt es Codes von Ländernamen und die Spalte in Obs hat ihre jeweiligen Zeitreihendaten.Dies ist sehr umständliche Art der Arbeit mit Panel-Daten, und deshalb möchte ich diesen Datenrahmen umformen die viel schöne Form output_imfr Datenrahmen.

Answer 1

die Daten von Interesse sind Obs in einer Liste in der Spalte gespeichert. Hier ist eine dplyr Lösung, die Daten zu spalten, knackt die Liste, th Nähen Sie die Dinge wieder zusammen.

longData <- 
    output_IMFData %>% 
    split(1:nrow(.)) %>% 
    lapply(function(x){ 
    data.frame(
     iso2c = x[["@REF_AREA"]] 
     , x$Obs 
    ) 
    }) %>% 
    bind_rows() 

head(longData) 

gibt:

iso2c X.TIME_PERIOD  X.OBS_VALUE X.OBS_STATUS 
1 FJ   2010 47.2107721901621   <NA> 
2 FJ   2011   48.28347   <NA> 
3 FJ   2012 51.0823499999999   <NA> 
4 FJ   2013 157.015648875072   <NA> 
5 FJ   2014 186.623232882226   <NA> 
6 AW   2010 616.664804469274   <NA> 

Answer 2

Hier ist ein weiterer Ansatz:

NewDataFrame <- data.frame(iso2c=character(), 
       year=numeric(), 
       IAD_BP6_USD=character(), 
       stringsAsFactors=FALSE) 

newrow = 1 

for(i in 1:nrow(output_IMFData)) { # for each row of your cludgy df 
    for(j in 1:length(output_IMFData$Obs[[i]]$`@TIME_PERIOD`)) { # for each year 
    NewDataFrame[newrow,'iso2c']<-output_IMFData[i, '@REF_AREA'] 
    NewDataFrame[newrow,'year']<-output_IMFData$Obs[[i]]$`@TIME_PERIOD`[j] 
    NewDataFrame[newrow,'IAD_BP6_USD']<-output_IMFData$Obs[[i]]$`@OBS_VALUE`[j] 
    newrow<-newrow + 1 # increment down a row 
    } 
}