R(8): tidyr

2023-01-16 11:06:39

tidy（整洁），Tidyr包是由Hadely Wickham创建，这个包提高了整理原始数据的效率，tidyr包的4个常用的函数及其用途如下：

  • gather()——它把多列放在一起，然后转化为key:value对。这个函数会把宽格式的数据转化为长格式。它是reshape包中melt函数的一个替代
  • spread()——它的功能和gather相反，把key:value对转化成不同的列
  • separate()——它会把一列拆分为多列
  • unite()——它的功能和separate相反，把多列合并为一列

长形表和宽形表，简单的说，长形表就是一个观测对象可由多行组成，而宽形表则是一个观测仅由一行组成。

初始

  • 安装载入包 
    install.packages("tidyr")
    
library(tidyr)
  • 组织数据 
    > name <- c("A","B","C")
    
> gender <- c("F","F","M")
    
> province <- c("JS","SH","HN")
    
> age <- c(18,22,19)
    
> df_wide <- data.frame(name = name, gender = gender, province = province, age = age)
    
> df_wide
    
  name gender province age
    
1    A      F       JS  18
    
2    B      F       SH  22
    
3    C      M       HN  19

gather()

  • Usage： gather(data, key, value, ..., na.rm = FALSE, convert = FALSE, factor_key = FALSE)
    1. data：需要被转换的宽形表
    2. key：将原数据框中的所有列赋给一个新变量key
    3. value：将原数据框中的所有值赋给一个新变量value
    4. …：可以指定哪些列聚到一列中
    5. na.rm：是否删除缺失值
  • 默认将所有列存放到key中，如下例 
    > df_gather <- gather(data = df_wide, key = variable, value = value)
    
Warning message:
    
attributes are not identical across measure variables; they will be dropped
    
> df_gather
    
   variable value
    
1      name     A
    
2      name     B
    
3      name     C
    
4    gender     F
    
5    gender     F
    
6    gender     M
    
7  province    JS
    
8  province    SH
    
9  province    HN
    
10      age    18
    
11      age    22
    
12      age    19
  • 指定需要被聚为一列的字段 
    > df_wide %>% gather(key=vars,value=value,gender:age)
    
  name     vars value
    
1    A   gender     F
    
2    B   gender     F
    
3    C   gender     M
    
4    A province    JS
    
5    B province    SH
    
6    C province    HN
    
7    A      age    18
    
8    B      age    22
    
9    C      age    19

  • 上面的代码等价于：df_wide %>% gather(key=vars,value=value,-name)

spread()

  • Usage：spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE, sep = NULL)
    1. data：为需要转换的长形表
    2. key：需要将变量值拓展为字段的变量
    3. value：需要分散的值
    4. fill：对于缺失值，可将fill的值赋值给被转型后的缺失值
  • 功能：将一列分离为多列
  • 示例数据 
    > name <- c("A","A","A","B","B")
    
> product <- c("P1","P2","P3","P1","P4")
    
> price <- c(100,130,55,100,78)
    
> df_long <- data.frame(name = name, product = product, price = price)
    
> df_long
    
  name product price
    
1    A      P1   100
    
2    A      P2   130
    
3    A      P3    55
    
4    B      P1   100
    
5    B      P4    78
  • 列分离 
    > df_long_expand <- spread(data = df_long, key = product, value = price)
    
> df_long_expand
    
  name  P1  P2 P3 P4
    
1    A 100 130 55 NA
    
2    B 100  NA NA 78

  • 被转型后的数据框中存在缺失值，如果想给缺失值传递一个指定值的话，就需要fill参数的作用。

    > spread(data = df_long, key = product, value = price,fill = 0)
    
  name  P1  P2 P3 P4
    
1    A 100 130 55  0
    
2    B 100   0  0 78

separate()

  • Usage：separate(data, col, into, sep = "[^[:alnum:]]+", remove = TRUE,convert = FALSE, extra = "warn", fill = "warn", ...)
    1. data：为数据框
    2. col：需要被拆分的列
    3. into：新建的列名，为字符串向量
    4. sep：被拆分列的分隔符
    5. remove：是否删除被分割的列
  • 示例数据 
    > id <- c(1,2)
    
> datetime <- c(as.POSIXlt("2015-12-31 13:23:44"), as.POSIXlt("2016-01-28 21:14:12"))
    
> df <- data.frame(id = id, datetime = datetime)
    
> df
    
  id            datetime
    
1  1 2015-12-31 13:23:44
    
2  2 2016-01-28 21:14:12
  • 使用separate()函数将日期时间值分割为年、月、日、时、分、秒 
    > #拆成日期和时间
    
> separate1 <- separate(df,col="datetime",into=c("date","time"),sep=" ",remove=FALSE)
    
> separate1
    
  id            datetime       date     time
    
1  1 2015-12-31 13:23:44 2015-12-31 13:23:44
    
2  2 2016-01-28 21:14:12 2016-01-28 21:14:12
    
>
    
> separate2 <- separate(separate1,col="date",into=c("year","month","day"),sep="-",remove=FALSE)
    
> separate2
    
  id            datetime       date year month day     time
    
1  1 2015-12-31 13:23:44 2015-12-31 2015    12  31 13:23:44
    
2  2 2016-01-28 21:14:12 2016-01-28 2016    01  28 21:14:12
    
>
    
> separate3 <- separate(separate2,col="time",into=c("hh","mm","ss"),sep=":",remove=TRUE)
    
> separate3
    
  id            datetime       date year month day hh mm ss
    
1  1 2015-12-31 13:23:44 2015-12-31 2015    12  31 13 23 44
    
2  2 2016-01-28 21:14:12 2016-01-28 2016    01  28 21 14 12l

  • 连接串写法

    > df %>% separate(.,col="datetime",into=c("date","time"),sep=" ",remove=TRUE) %>% separate(.,col="date",into=c("year","month","day"),sep="-",remove=TRUE)%>% separate(.,col="time",into=c("hh","mm","ss"),sep=":",remove=TRUE)
    
  id year month day hh mm ss
    
1  1 2015    12  31 13 23 44
    
2  2 2016    01  28 21 14 12

unite()

  • 与separate()函数相反，它将多列合并为一列
  • Usage: unite(data, col, ..., sep = "_", remove = TRUE)
    1. data：为数据框
    2. col：被组合的新列名称
    3. …：指定哪些列需要被组合
    4. sep：组合列之间的连接符，默认为下划线
    5. remove：是否删除被组合的列
    • 示例 
      > df1
      
  id year month day hh mm ss
      
1  1 2015    12  31 13 23 44
      
2  2 2016    01  28 21 14 12
      
> df1 %>% unite(.,col="date",year,month,day,sep="-")%>% unite(.,col="time",hh,mm,ss,sep=":")%>% unite(.,col="datetime",date,time,sep=" ")
      
  id            datetime
      
1  1 2015-12-31 13:23:44
      
2  2 2016-01-28 21:14:12
上一篇：php Composer中国全量镜像


下一篇：架设 OpenLDAP服务器