孙老师作品---数据整合之tidyr包

在数据整合过程中，有很多优秀的包可供调用，其中tidyr包是大神Hadley Wickham的大作，主要提供了一个类似Excel中数据透视表(pivot table)的功能，使用方便、快捷。可用于处理dataframe格式数据的整合，它的前身是reshape2包，在数据整合过程中常联合dplyr包使用（猛戳看原文）。

数据整合常用包，及其相似函数：

tidyr	gather	spread
reshape(2)	melt	cast
spreadsheets	unpivot	pivot
databases	fold	unfold

 

tidyr处理的dataframe格式数据有以下三个特点：

1. 每一列表示一个变量

2. 每一行表示一个样本

3. 每一个单元格表示观测值 

   
   

dplyr是发布在github上的开源包，安装方法如下：

# Theeasiest way to get tidyr is to install the whole tidyverse:

install.packages('tidyverse')

 

#Alternatively, install just tidyr:

install.packages('tidyr')

 

# Or thethe development version from GitHub:

#install.packages('devtools')

devtools::install_github('tidyverse/tidyr')

 

tidyr包常用的函数：

 

1. gather       数据融合，宽数据转为长数据

2. spread      数据重铸，长数据转为宽数据

3. separate   将一列按分隔符分割为多列

4. unite         将多列按指定分隔符合并为一列

 

 

1

gather函数

数据融合，宽数据转为长数据，原理图如下：

 

 

数据集table4a有3列，分别是country、1999、2000，如下图：

 

 

我只想融合1999和2000两列，而不融合country，有两种操作方法：

第一种：

table4a_gather<- gather(table4a,="" key='key' ,="" value='value'>

table4a_gather

第二种：

table4a_gather<- gather(table4a,="" `1999`,="" `2000`,="" key='year' ,="" value='cases'>

table4a_gather

 

2

spread函数

数据重铸，其实就是gather的逆过程，原理图如下：

 

比如我想把数据集table2得type列重铸：

 

具体代码如下：

table2_split<- spread(table2,="" key="type," value="">

table2_split 

3

separate函数 

将一列按分隔符分割为多列，原理图如下：

 

 

数据集table3的rate列是由斜杠分割的数据，separate函数可以把rate列分割成两列：

 

具体代码如下：

# into参数指定分隔之后的列名，sep参数指定分隔符

table3_sep<- separate(table3,="" rate,="" into="c('cases','population')," sep='/'>

table3_sep

 

4

unite函数

将多列按指定分隔符合并为一列，原理图如下：

 

比如我想把数据集table5得century和year列合并为一列：

 

具体代码如下：

# col参数指定合并之后的列名称，sep参数指定分隔符

table5<->

table5_uni<- unite(table5,="" col="new," century,="" year,="" sep=''>

 

／End.