长型数据和宽型数据在数据分析中非常常见 ,其中宽型数据更具可读性,长型数据则更适合做分析。
R-tidyr主要有以下几大功能:
unit和separate可参考Tidyverse|数据列的分分合合,一分多,多合一,本文主要介绍利用tidyr包实现长宽数据的转化。
一 载入R包,数据
library(tidyverse)
#library(tidyr)
#使用mtcars内置数据集
data(mtcars)
head(mtcars)
二 宽数据转为长数据
使用gather
函数:gather(data, key, value, … , na.rm = FALSE, convert = FALSE)
其中 data:为待转换的宽数据
key:将原数据框中的所有列赋给一个新变量key
value:将原数据框中的所有值赋给一个新变量value
...:可以指定哪些列聚到一列中 (同reshape2区别)
na.rm:是否删除缺失值
#宽转长
mtcars_long <- mtcars %>%
rownames_to_column("car_ID") %>%
gather(key = "variables", value = "values")
head(mtcars_long)
区别于reshape2,...
只将指定变量从宽数据变成长数据
1) 不gather car_ID
列 (行名转化而来)
mtcars_long2 <- mtcars %>%
rownames_to_column("car_ID") %>%
gather(key = "variables", value = "values", - car_ID)
head(mtcars_long2)
2)gather 在 mpg:am之间的所有列
mtcars_long3 <- mtcars %>%
rownames_to_column("car_ID") %>%
gather(key = "variables", value = "values", mpg:am)
head(mtcars_long3)
三 长数据转为宽数据
使用spread
函数:spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)
data:待转换的长数据
key:需要将变量值拓展为字段的变量
value:需要分散的值
fill:对于缺失值,可将fill的值赋值给被转型后的缺失值
mtcars_wide <- mtcars_long2 %>%
spread(variables, values)
head(mtcars_wide)
这实际将原来gather后的结果还原为gather前, 结果与mtcars一样,只是各列的相互位置稍有调整。
Working_in_the_Tidyverse