R数据科学整洁之道：使用tidyr进行长宽数据转换
整洁的数据都是相似的，凌乱的数据各有各的不同。
整洁数据（tidy data）是指如下图这样的数据表：
在表中：
- 每个变量都拥有自己的列
- 每个观察/样本都拥有自己的行
数据这样组织有两个明显的好处：既方便以向量的形式访问每一个变量，也方便变量之间进行向量化运算。
在实际工作中，存在长、宽两种数据格式，宽数据是每个样本的信息在表中只占一行，而长数据每个样本的信息在表中占据多行。
本文简单介绍一下通过tidyr包进行长、宽数据格式转换。
安装
install.packages("tidyr")
# 或者
install.packages("tidyverse")
加载
library(tidyr)
# 或者
library(tidyverse)
宽数据转长数据
让数据变长，就是将许多列融合成两列，将列名移动到一个新的列名下，将值移动到另一个新的列名下。
tidyr提供pivot_longer函数可以将宽数据变长。
pivot_longer(
data,
cols,
names_to = "name",
names_prefix = NULL,
names_sep = NULL,
names_pattern = NULL,
names_ptypes = NULL,
names_transform = NULL,
names_repair = "check_unique",
values_to = "value",
values_drop_na = FALSE,
values_ptypes = NULL,
values_transform = NULL,
...
)
创建一个宽表：
library(knitr)
tb_wide = tibble(
country = LETTERS[1:3],
`1999` = c('0.7k', '37k', '212k'),
`2000` = c('2k', '80k', '213k')
)
kable(tb_wide)
country | 1999 | 2000 |
|---|---|---|
A | 0.7k | 2k |
B | 37k | 80k |
C | 212k | 213k |
宽数据转长数据：
tb_long = pivot_longer(tb_wide, 2:3, names_to = "year", values_to = "cases")
kable(tb_long)
country | year | cases |
|---|---|---|
A | 1999 | 0.7k |
A | 2000 | 2k |
B | 1999 | 37k |
B | 2000 | 80k |
C | 1999 | 212k |
C | 2000 | 213k |
长数据转宽数据
让数据变宽，就是展开表中的两列数据成多列，其中一列提供新的列名，另一列提供值。
tidyr中的pivot_wider与pivot_longer的操作正好相反，可以将长数据转换为宽数据。
pivot_wider(
data,
id_cols = NULL,
id_expand = FALSE,
names_from = name,
names_prefix = "",
names_sep = "_",
names_glue = NULL,
names_sort = FALSE,
names_vary = "fastest",
names_expand = FALSE,
names_repair = "check_unique",
values_from = value,
values_fill = NULL,
values_fn = NULL,
unused_fn = NULL,
...
以上一步得到的长数据tb_long为例，我们将它还原成宽数据格式：
tb_wide_new = pivot_wider(tb_long, names_from = 'year', values_from = 'cases')
kable(tb_wide_new)
country | 1999 | 2000 |
|---|---|---|
A | 0.7k | 2k |
B | 37k | 80k |
C | 212k | 213k |
可以看到，转换后的表与最初的宽表完全一致。
最后总结
tidyr包最重要的两个函数是：
- pivot_longer，将宽数据转换为长数据，就是将很多列变成两列。
- pivot_wider，将长数据转换为宽数据，就是将两列变成很多列。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2022-07-18，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录