R语言统计分析——整合和重构

参考资料：R语言实战【第2版】

        R中提供了许多用来整合（aggregate）和重塑（reshape）数据的强大方法。在整合数据时，往往将多组观测替换为根据这些观测计算的描述性统计量。在重塑数据时，则会通过修改数据的结构（行和列）来决定数据的组织方式。

1、转置

        使用函数t()即可对一个矩阵或者数据框进行转置，对于后者，行名将变成列名。

cars<-mtcars[1:5,1:4]
cars
t(cars)

2、整合数据

        在R中使用一个或多个by变量和一个预先定义好的函数来折叠（collapse）数据是比较容易的。调用格式为：

        aggregate(x,by,FUN)

其中，x是待折叠的数据对象，by是一个变量名组成的列表，这些变量将被去掉以形成新的观测，而FUN则是用来计算描述性统计量的标量函数，它将被用来计算新观测的值。

options(digits=3)
attach(mtcars)
aggdata<-aggregate(mtcars,by=list(cyl,gear),FUN=mean,na.rm=TRUE)
detach(mtcars)
aggdata

attach(mtcars)
aggdata<-aggregate(mtcars,by=list(Group.cyl=cyl,Group.gear=gear),FUN=mean,na.rm=TRUE)
detach(mtcars)
aggdata

        在aggregate()函数中，by中的变量必须是一个列表（即使只有一个变量）。我们可以在列表中为各组声明自定义的名称，例如：my=list(Group.cyl=cyl,Group.gears=gear)。指定的函数可以是任意的内建函数或自定义函数。

3、reshape2包

        reshape2包是一套重构和整合数据集的绝妙的万能工具。由于reshape2包并未安装在R的标准安装中，在第一次使用它之前需要使用install.packages("reshape2")进行安装。

        大致来说，我们需要首先将数据融合（melt），以使每一行都是唯一的标识符-变量组合。然后将数据重铸（cast）为我们想要的任何形状。在重铸过程中，我们可以使用任何函数对数据进行整合。

library(reshape2)

ID<-c(1,1,2,2)
Time<-c(1,2,1,2)
X1<-c(5,3,6,2)
X2<-c(6,5,1,4)
mydata<-data.frame(ID,Time,X1,X2)
mydata

（1）融合

        数据集的融合是将它重构为这样一种格式：每个测量独占一行，行中带有要唯一确定这个测量所需的标识符变量。

md<-melt(mydata,id=c('ID','Time'))
md

        注意，必须指定要唯一确定每个测量所需的变量（本例是ID和Time），而表示测量变量名的变量（本例是X1和X2）将由程序自动创建。

（2）重铸

        dcast()函数读取已融合的数据，并使用我们提供的公式和一个（可选的）用于整合数据的函数将其重塑。调用格式为：

        newdata<-dcast(md,format,fun.aggregate)

其中，md为已融合的数据，formula描述了想要的最后结果，而fun.aggregate是（可选的）数据整合函数。其接受的公式形式如：

        rowvar1+rowvar2+...~colvar1+colvar2+...

        在这一公式中，rowvar1+rowvar2+...定义了要划掉的变量集合，以确定各行的内容，而colvar1+colvar2+...则定义了要划掉的、确定各列内容的变量集合。如下图：

        由于上图中右侧（d，e和f）的公式中未包含某个函数，所以数据仅被重塑了。反之，左侧的示例（a、b和c）中指定了mean作为整合函数，从而就对数据同时进行了重复和整合。

# a
dcast(md,ID~variable,mean)
# b
dcast(md,Time~variable,mean)
# c
dcast(md,ID~Time,mean)
# d
dcast(md,ID+Time~variable)
# e
dcast(md,ID+variable~Time)
# f
dcast(md,ID~variable+Time)