数据处理过程中,针对数据框,可以进行列的添加,以及长、宽数据的转化。
在实际应用中,宽型数据更具可读性,长型数据则更适合做分析。
一 reshape2包中两个主要的函数
melt—将宽型数据融合成长型数据;cast—将长型数据转成宽型数据
此处用R内置的airquality数据集,首先将列名改成小写,然后查看相应的数据
library(reshape2)
1.1 melt函数 (宽转长)
id.vars中指定相应变量;variable.name和value.name分别对variable和value列重命名
airMelt1 <- melt(airquality)
1.1.2 将month和day共同作为ID variables(那些能够区分不同行数据的变量共同作为变量),且修改长数据中的列名
airMelt2 <- melt(airquality, id.vars = c("month", "day"),
1.2 cast函数 (长转宽)
dcast:左边参数表示"ID variables",右边的参数表示measured variables。
1.2.1 month和day是ID variables,variable则表示measured variables。
airMelt3 <- melt(airquality, id.vars = c("month", "day"))
1.2.2 一个数据单元有一个以上的数据。比如,我们的ID variables不包含day,
dcast(airMelt3, month ~ variable)
可以看到每个单元是month与climate组合的个数。所得到数据是month对应的day的记录数
1.2.3 聚合(aggregate)这些数据,比如取mean,median,sum。比如计算均值,通过na.rm = TRUE删除NA值。
dcast(aql, month ~ variable, fun.aggregate = mean, na.rm = TRUE)
二 $、with、within、transform等进行列的添加
head(airquality)
2.1 $符添加列
data<-head(airquality)
2.2 within 必须在新添加的变量中加上花括号
data2 <- within(data,{logwind = log(wind)})
2.3 with 也可以使用with函数,该函数可以用于任何表达式的计算,但每次只能生成一个计算字段,最后还需要结合使用cbind函数
data3 <- cbind(data3,with(data,log(wind)))
2.4 transform函数
data4 <- transform(data,logwind = log(wind),day2 = day^2)
三 参考链接:R语言之数据重塑
An Introduction to reshape2