【教你R语言】转换长宽格式表的落地方案

前言

    做数据分析以及制作表格的时候，会遇到长宽格式数据之间相互转换的问题，之前介绍了如果在Hive是使用sql语句实现，现介绍一下如何在R语言中实现长宽格式数据相互转换。

【Hive】实现长格式数据转换成宽格式数据

【Hive】实现宽格式数据转换成长格式数据

长宽格式数据

    之前在【Hive】实现长格式数据转换成宽格式数据举了一个栗子：

    宽格式数据：每个变量单独成一列为宽格式数据，变量的所有属性都在同一行。

    长格式数据：长数据中变量的ID没有单独列成一列，而是整合在同一列。

需求描述

下面左右两种长宽格式数据相互转换：

需求实现

R语言中有两个包中的函数可以实现长宽格式数据的相关转换：

数据准备

##长格式数据	
data <- data.frame(	
  user_no = rep(c("u001", "u002", "u003"), each = 6),	
  message = rep(c("name", "age", "sex", "education", "regtime", "first_buytime"), times = 3),	
  detail = c("Sulie", "25", "male", "master", "2018/1/2", "2018/1/3", "LuBan", "30", "male", "Bachelor",	
             "2018/3/4", "2018/5/5", "ZhenJi", "27", "female", "PhD", "2018/4/3","2018/5/4")	
)	
	
##宽格式数据	
data1 <- data.frame(	
  user_no = c("u001", "u002", "u003"),	
  name = c("SuLie", "LuBan", "ZhenJi"),	
  sex = c("male", "male", "female"),	
  age = c(25, 30, 27),	
  education = c("master", "Bachelor", "PhD"),	
  regtime = c("2018/1/2", "2018/3/4", "2018/4/3"),	
  first_buytime = c("2018/1/3", "2018/5/5", "2018/5/4")	
)	

reshape2包实现长宽数据转换

##长格式数据转换成宽格式数据	
library(reshape2)	
library(dplyr)	
	
dcast(	
  data = data,	
  user_no ~ message 	
  ##左侧是要保留的字段,右侧是要分割的字段,可以理解为key	
  ##这样汇总的就是value值了	
)	
	
##宽格式数据转换成长格式数据	
melt(data1,	
     id.vars=c("user_no"),  ##要保留的字段	
     variable.name = "message", #理解为key	
     value.name = "detail" #理解为value	
) %>% 	
  arrange(user_no)	

运行结果：

长格式数据转换成宽格式数据运行结果

宽格式数据转换成长格式数据运行结果

tidyr包实现长宽数据转换

##长格式数据转换成宽格式数据	
library(tidyr)	
library(dplyr)	
spread(	
  data = data,	
  key = "message", ##key键，原来表中字段	
  value = "detail" ##value值，原来表中字段	
)	
##宽格式数据转换成长格式数据	
gather(	
  data = data1,	
  key = "message",  ##key键，新增字段	
  value = "detail", ##value值，新增字段	
  name:first_buytime 	
) %>% 	
  arrange(user_no)

运行结果：

长格式数据转换成宽格式数据运行结果

宽格式数据转换成长格式数据运行结果

总结

    R语言reshap2和tidyr包都可以实现长宽格式数据相互转换，相比较而言，更喜欢tidyr包中的实现方式，与Hive中类似，中间过渡map格式类型数据，key键和value值明确，结合sql中map格式数据更容易理解R语言tidyr包中实现方式。