R — 长数据宽数据转换

简介

宽数据：宽数据是比较常用的数据收集与储存样式，第一行一般是表头数据，表示观测项目名字，如温度、pH、风速等。每一列包含所观测到的数据。

2.png

长数据：长数据是分析绘图中可能会用到的样式，如将上面的温度、pH、风速等值重叠形成新的一列，表示观测到的值。另外添加一列表示指定值所对应的环境变量名字。

3.png

reshape2

melt函数

melt()可以将宽数据转化为长数据。

针对数组的melt.array
针对数据框的melt.data.frame
针对向量的melt.default

id.vars：不需要进行melt的列名，通常会随着melt不停重复堆叠，因此最好为无数学意义整数（变量位置信息）或字符串（名称信息）。
measure.vars：观测值列名。
variable.name：melt 后观测变量的列名，不填默认为 variable
na.rm
value.name：melt 后观测值的列名，不填默认为 value
factorsAsStrings

data3 <- melt(iris, id.vars = c("Species"))

cast函数 — 没闹明白

acast：返回向量/矩阵/数组
dcast：返回数据框

formula：“铸造”公式，为函数的核心参数，函数根据公式进行“铸造”，公式形式为x_variable + x_2 ~ y_variable + y_2 ~ z_variable ~ ... ，左边为标识变量，右边为测量变量，类似于melt函数中的id.vars参数和measure.vars参数
fun.aggregate：聚集函数，如mean、median、sum或自定function
fill：用于填充缺失值的值
drop：默认为TRUE，删除缺失的组合

tidyr

gather函数

将指定列聚集为key 和 value 形式。

data : 数据框

key：gather后存储 key 值的列名

value ：gather 后存储 value 值得列名

... ：需要要被gather的列，如x：y，表示从 x 到 y 的所有列； -y 表示除了 y 的所有列，支持输入类型和select一样(??select 查看)。

spread函数

gather 的反向操作

最新推出，简单，好用，代码可读性更高

pivot_longer 函数

将宽数据转化为长数据，增加数据行数，减少数据列数。

pivot_longer(data, cols, names_to = "name", names_prefix = NULL,
  names_sep = NULL, names_pattern = NULL, names_ptypes = list(),
  names_repair = "check_unique", values_to = "value",
  values_drop_na = FALSE, values_ptypes = list())

示例：

iris %>% pivot_longer(-Species, 
             names_to = "variable", values_to = "value")

pivot_longer.png

pivot_wider函数

pivot_longer 的反向操作。

pivot_wider(data, id_cols = NULL, names_from = name,
  names_prefix = "", names_sep = "_", names_repair = "check_unique",
  values_from = value, values_fill = NULL, values_fn = NULL)

not uniquely identified

在长数据转换为宽数据的时候，很容易遇到一个问题 — Values in "XX" are not uniquely identified; output will contain list-cols. 字面上看，XX中的值不是唯一标识的，所以输出结果会包含list-cols。

require(tidyverse)
data <- iris[, c(4,5)]
data %>% pivot_wider(names_from =  Species, 
                    values_from = Petal.Width)

not uniquely identified.png

解决办法

以name_from 为分组，给XX一个标识。

set.seed(13)
data <- iris[c(4,5)]
data %>% 
  group_by(Species) %>%
  sample_n(3) %>%
  mutate(index = row_number())

index.png

例子：

require(tidyverse)
data <- iris[c(4,5)]
data %>%
  group_by(Species) %>%
  mutate(index = row_number()) %>%
  pivot_wider(names_from = Species, 
                     values_from = Petal.Width) %>%
  select(-index)

ta_da.png

如果有多列数据，按照分组需求一一分配到group_by()项目中即可。