R语言数据处理：tidyr包学习

前言

在R语言中，tidyr包的应用 tidyr主要提供了一个类似Excel中数据透视表 (pivottable)的功能; gather和spread函数将数据在长格式和宽格式之间相互转化，应用在比如稀疏矩阵和稠密矩阵之间的转化; separate和union方法提供了数据分组拆分、合并的功能，应用在nominal数据的转化上 R将整洁数据定义为：每个变量的数据存储在自身的列中，每个观测值的数据存储在其自身的行中。整洁数据是进行数据再加工的基础。在tidyr包中，一般包括几个函数：
1、gather()函数
2、spread()函数
3、separate()函数
4、unite()函数
5、缺失值处理replace_na()函数

安装tidyr包与使用tidyr包；

install.packages("tidyr")
library(tidyr)

1、gather()函数

gather()函数，它可以实现将以列位字段的数据表，转化为一列长数据格式。函数使用规则为：

gather(
  data,#需要转换的数据，按列排开
  key = "key",#将数据表中的所有列赋值给key
  value = "value",#将数据表中的所有值赋值给value
  ...,
  na.rm = FALSE,#表示是否删除缺失值，默认为否
  convert = FALSE,
  factor_key = FALSE
)

示例 1：某班五位同学的考试成绩存在一个宽度数据表中，现在需要我们将这个数据表转化为长度格式的数据。

df <- data.frame(姓名=c('赵','钱','孙','李','周'),
                 语文=c(95,89,79,88,81),
                 数学=c(89,88,81,78,90),
                 英语=c(89,78,73,69,80))
df2 <- gather(df,long,成绩,语文,数学,英语)

运行结果

上图可知，我们将多列的成绩转化为了所有成绩在一列出现。

2、spread()函数

spread()函数可与gather()函数进行互相转换。其函数使用规范为：

spread(data, #需要转换的表
key, #将变量转化为字段
value, #需要分散的值
fill = NA,#转化后对于缺失值可用fill的值填补
convert = FALSE, drop = TRUE, sep = NULL)

还是刚才的数据，我们使用spread()函数将数据再转化回去。

data_spread <- spread(data_long,科目,成绩)

从图中来看，我们已将原始宽度数据表转化为长度数据表后，又将长度数据表转化为了原始的宽度数据表。因此，对于spread()函数可与gather()函数来说，它们之间可以进行互相转换。

3、unite()函数

unite()函数可以合并不同的变量值，其函数使用格式为：

unite(data,#数据框
      col,#合并后的名称
      ..., 
      sep = "_",#合并连接符
      remove = TRUE,#是否删除被组合的列
      na.rm = FALSE)

依旧使用刚才的数据，在原始数据多加一列字，将姓名与字合并，组成新的列名字。

data_unite <- unite(data_wide,
                    名字, 
                    姓名,字, 
                    sep=" ",
                    remove=F)

运行结果：

从上图来看，姓名与字已经合并，连接符为空格，因为remove为F，所以不删除被合并的列。

4、separate()函数

separate()函数可以将一列拆分为多列，多用于时间型数据。该函数的使用规范为：

separate(
  data,#数据框
  col,#准备拆分的列
  into,#拆分后新列名
  sep = "[^[:alnum:]]+",#拆分分隔符
  remove = TRUE,#是否删除被分割的列
  convert = FALSE,
  extra = "warn",
  fill = "warn",
  ...)

利用刚才合并的数据进行拆分，将名字一列拆分为姓名1，字1。因为我们上面remove选择了F，所以我们这里是姓名1，字1，如果我们选择了T，那么我们这里直接改为姓名，字就行。

data_separate <- separate(data_unite,
                          名字,
                          c("姓名1","字1"),
                          sep = " ",
                          remove = T)

运行结果：

从上图可知，之前合并的列已经被拆分了，由于之前合并的时候remove的值为F，所以在后面拆分的时候会看到两个姓名与字。

由此可见，separate()函数、unite()函数也是一个互相转换的函数，两者之间可以对数据进行互相拆分与合并。

5、缺失值处理

在日常生活中，我们拿到的数据很有可能有缺失值，因此我们需要对缺失值进行处理。在tidyr包中，缺失值处理可以用replace_na()函数进行处理。replace_na()函数使用格式为：

replace(x,list, values)#list为一个列表，将插入的值放在list里面

依然使用上面的数据，随机改两个数据为缺失值，进行缺失值填补。

data_wide <- data.frame(姓名=c('赵','钱','孙','李','周'),
                          语文=c(95,89,79,88,NA),
                          数学=c(89,88,81,78,90),
                          英语=c(89,78,73,69,NA))
#以60分为几个，将它填入数据缺失值中。
data_wide %>%
  replace_na(list(语文=60,英语=60))

运行结果：

总结

tidyr包是数据处理数据操作很方便的一个包，他能实现与excel数据分列合并之类的功能。