|
前面对dplyr包, reshape,reshape2包进行了简单的介绍. 下面介绍tidyr包. tidyr包是reshape2包的进化版本, 其作者仍是Hadley Wickham, 往往与dplyr包结合使用, 目前渐有取代reshape2包之势, 是值得关注的一个R包. 这里主要介绍tidyr包中下述四个常用函数的用法: (1) gather(): 将宽数据转为长数据, 类似于reshape2包中的melt()函数; (2) spread(): 将长数据转为宽数据, 类似于reshape2包中的cast()函数; (3) unit(): 将多列合并为一列; (4) separate(): 将一列分离为多列. 首先进行安装: install.packages("tidyr"). 安装成功后, 这里使用自编数据widedata2.csv进行数据分析. 自行导入widedata.csv数据: widedata<-read.csv("widedata.csv") widedata 结果如下: person grade score 1 Alex 2 78 2 Bob 3 89 3 Cathy 4 80
gather()函数 gather()的调用格式为： gather(data, key, value, … , na.rm = FALSE, convert = FALSE) data是要调用的数据或数据框, key是宽数据变为长数据时存放需要编码的变量的变量名称, value是需要数据转换的变量的数值. 如执行下面的命令: library(dplyr) library(tidyr) longdata <- gather(widedata, variable, value) 结果如下: variable value 1 person Alex 2 person Bob 3 person Cathy 4 grade 2 5 grade 3 6 grade 4 7 score 78 8 score 89 9 score 80 gather()提供了只把制定变量从宽数据变成长数据的功能. 而执行下面的命令, 可以保留person不变成长数据. gather(widedata, variable, value, -person) 结果如下: person variable value 1 Alex grade 2 2 Bob grade 3 3 Cathy grade 4 4 Alex score 78 5 Bob score 89 6 Cathy score 80 可以看到, 除了person以外, 其余变量变成两列变量, 分别命名为variable和value. 这正是gather()函数比reshape2包中melt()函数的优势所在: 它可以只gather若干列而其他列保持不变. gather()还可迅速地整合两个变量之间的若干列, 而保持其他列不变. 为说明这一点, 这里先对widedata增加一列: age. 具体如下: age <- c(20, 21, 22) wide <- data.frame(widedata, age) wide 结果如下: person grade score age 1 Alex 2 78 20 2 Bob 3 89 21 3 Cathy 4 80 22 再输入如下命令: long <- gather(widedata1, variable, value, grade:age) long 结果如下: person variable value 1 Alex grade 2 2 Bob grade 3 3 Cathy grade 4 4 Alex score 78 5 Bob score 89 6 Cathy score 80 7 Alex age 20 8 Bob age 21 9 Cathy age 22
spread()函数 spread()的调用格式为: spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE) spread()函数的功能和reshape2包中的cast()函数相似. 结合上面生成的widedatanew数据框, 可以利用下面的命令将长数据变成宽数据. wide <- spread(long, variable, value) wide 结果如下: person age grade score 1 Alex 20 2 78 2 Bob 21 3 89 3 Cathy 22 4 80 这实际将原来gather后的结果还原为gather前的情形, 但各列的相互位置稍有调整.
unite()函数 unite()的调用格式如下: unite(data, col, … , sep = " ") 其中, data表示数据框, col表示合并后的列名称, … 表示需要合并的若干变量,sep = " "用于指定分隔符. 比如要把widedata中的person,grade, score三个变量合成一个变量information, 并变成"person-grade-score"的格式, 可通过下面的命令实现: wideunite<-unite(widedata, information, person, grade, score, sep= "-") wideunite 结果如下: information 1 Alex-2-78 2 Bob-3-89 3 Cathy-4-80
separate()函数 separate()的调用格式为: separate(data, col, into, sep = " ") 其中, data表示数据框, col代表要拆分的变量,into代表要拆分为的(多个)列, 通常用c()的形式进行命名, sep = " " 用于指定分隔符. 可用separate函数将上面的wideunite数据框还原. 执行下面的命令: widesep <- separate(wideunite, information,c("person","grade","score"), sep = "-") widesep 结果如下: person grade score 1 Alex 2 78 2 Bob 3 89 3 Cathy 4 80 可见separate()函数和unite()函数的功能是相反的. 理解上述例子后, 读者也可用系统自带的mtcars等数据框深入练**tidyr数据包中的相关函数.
编辑：张光耀
本文档为南开大学周恩来政府管理学院研究生R语言课程（教师：吕小康）的课堂讲稿。
|
|
|
