R语言基础学习--reshape2包
简介
1. rehsape2包
reshape2包是由Hadley Wickham开发的一个R包，从其命名不难看出，reshape2包可以对数据重塑，就像炼铁一样，先融化数据，再重新整合数据，它的主要功能函数为cast()和 melt()，实现了长数据格式与宽数据格式之间的相互转换。
比如说，如果你要做回归等等的多变量分析，用到glm等等，那必然要用宽格式数据；再比如说，如果你要到ggplot里面画图，按照Hadley大神的可视化语法思想，多半是要用长格式的数据的。
2. 长宽数据格式
宽数据格式：每个变量单独成一列。
长数据格式：变量ID没有单独成列，而是整合在同一列。
概念难以理解? 这里以airquality数据集为例：
函数学习
reshape2包的学习主要以官方推荐的空气质量数据集(airquality)为例。
首先载入数据集并查看数据项目
data("airquality")
head(airquality)
knitr::kable(head(airquality),align = "c")
| Ozone | Solar.R | Wind | Temp | Month | Day |
|---|---|---|---|---|---|
| 41 | 190 | 7.4 | 67 | 5 | 1 |
| 36 | 118 | 8.0 | 72 | 5 | 2 |
| 12 | 149 | 12.6 | 74 | 5 | 3 |
| 18 | 313 | 11.5 | 62 | 5 | 4 |
| NA | NA | 14.3 | 56 | 5 | 5 |
| 28 | NA | 14.9 | 66 | 5 | 6 |
为了便于后续的处理，我们将列名转换为小写
colnames(airquality)
# [1] "Ozone" "Solar.R" "Wind" "Temp" "Month" "Day"
names(airquality) <- tolower(names(airquality))
names(airquality)
# [1] "ozone" "solar.r" "wind" "temp" "month" "day"
1. melt函数
官方介绍
从官方文档可以看出，melt()函数可以将一个对象“融化”为一个数据框。
对于不同的数据结构，melt()函数有不同的用法，如：
(1) 数据框(data frame)：melt.data.frame()
(2) 数组(array)：melt.array()、melt.matrix()、melt.table()
(3) 列表(list)：melt.list()
(4) 向量(vector)：melt.default()
用法
由于实际处理数据时，数据框(data frame)使用较为普遍，所以在此以数据框为例。
melt(
data,
id.vars,
measure.vars,
variable.name = "variable",
na.rm = FALSE,
value.name = "value",
factorsAsStrings = TRUE
)
参数详解
id.vars ： ID变量的向量，可以是整数(变量位置)或字符串(变量名)。如果为空，将使用所有的变量。
measure.vars ： 测量变量的向量。可以是整数(变量位置)或字符串(变量名称)。如果为空，将使用所有测量变量。
variable.name ： 用于存储测量变量名的变量名。
na.rm ： 逻辑值，是否移除数据集中的NA。
value.name ： 用于存储值的变量的名称。
factorsAsStrings ： 逻辑值，控制因子型变量是否转换为字符型。
aml1 <- melt(airquality, id.vars=c("month", "day"))
head(aml1)
aml2 <- melt(airquality, id.vars =c("month", "day")value.name = "my value")
head(aml2)
黄色背景展示了相较于上一步的不同
aml3 <- melt(airquality, id.vars =c("month", "day"),value.name = "my value",na.rm = T)
head(aml3)
可以发现，NA值所在的行被删除了！
aml4 <- melt(airquality, id.vars =c("month", "day"),value.name = "my value",na.rm = T,variable.name = "my variable")
head(aml4)
黄色背景展示了相较于上一步的不同
aml5 <- melt(airquality, id.vars =c("month", "day"),value.name = "my value",na.rm = T,variable.name = "my variable",measure.vars = "temp")
head(aml5)
黄色背景展示了相较于上一步的不同；measure.vars参数能够选择某一列，或者除id.vars之外所有列作为variable。
接下来，我们再对列表数据的处理简单讲解。
官方介绍
melt.list()函数能够递归的拆分列表元素。
参数详解
level ： 用于设置标签，默认值为1。
list1 <- as.list(c(1:10, c(NA,2,3,4)))
list1
melt(list1)
names(list1) <- letters[1:14]
melt(list1)
如果列表包含矩阵
a <- list(matrix(1:4, ncol=2), matrix(1:6, ncol=2))
a
melt(a)
其他的melt函数使用方法此处不再赘述。
2. cast函数
cast()函数具有两种形式：dcast()：输出为数据框acast()：输出为向量、矩阵、数组
官方介绍
2.1 dcast()函数
用法
dcast(
data,
formula,
fun.aggregate = NULL,
...,
margins = NULL,
subset = NULL,
fill = NULL,
drop = TRUE,
value.var = guess_value(data)
)
参数介绍
formula ： cast()函数的公式格式如下：x_variable + x_2 ~ y_variable + y_2 ~ z_variable ~ … ；"…“表示公式中未使用的所有其他变量；”."代表没有变量。
fun.aggregate ： 聚合函数，如果变量不能识别每个输出单元的单个观察值时需要设置此参数。如mean,sum等。
margins ： 变量名的向量(可以包括“grand_col”和“grand_row”)用来计算其边距，值为TRUE时计算所有边距。不能被追加的变量都将被悄悄地删除。
subset： 用于取子集。
drop： 错失的组合保留还是删除。
fill： 用于填补缺失值的值。
# 首先将airquality数据框转化为长数据
data <- melt(airquality, id=c("month", "day"), na.rm=T)
dcs1 <- dcast(data, month+day ~ variable)
head(dcs1)
可以看出，dcs1与airquality完全一致。
dcs2 <- dcast(data, month ~ variable, mean) # average effect of month
dcs2
dcs3 <- dcast(data, month ~ variable, mean, margins = c("month", "variable"))
dcs3
黄色标记处展示了与之前结果的差异。
2.2 acast()函数
用法与dcsat()函数类似
acsat()函数用法以ChickWeight数据集为例介绍。
# 载入数据集
data(ChickWeight)
head(ChickWeight)
# weight time chick diet
1 42 0 1 1
2 51 2 1 1
3 59 4 1 1
4 64 6 1 1
5 76 8 1 1
6 93 10 1 1
# 首先将数据集列名转换为小写
names(ChickWeight) <- tolower(names(ChickWeight))
colnames(ChickWeight)
# [1] "weight" "time" "chick" "diet"
# 构建数据集
chick <- melt(ChickWeight, id=2:4, na.rm=T)
head(chick)
这里开始acast()函数使用介绍：
ac1 <- acast(chick, diet ~ time, mean) # average effect of diet & time
ac1
ac1矩阵的行为diet，列为time
ac2 <- acast(chick, time ~ diet, length)
head(ac2)
ac2表示的时在不同的饲养天数下，小鸡食物不同时的数据大小
library(plyr) # 为了使用"."，引用变量
ac3 <- acast(chick, chick ~ time, mean, subset = .(time < 10 & chick < 20))
ac3
使用subset参数对数据集进行筛选
as4 <- acast(chick, chick ~ time ~ diet) # 生成三维数组
as4
当然，acast()函数换有很多其他的用法，有待在实际运用中去探索。
3. 其他函数
3.1 add_margins()函数
- 该函数的实际价值目前未知，仅以简单的例子列出，若有小伙伴了解，请在下方留言！
data <- data.frame(a = c(1:5),b = c(6:10),c = c('a','b','c','d','e'))
rownames(data) <- c('ass','xxx','ccc','fff','rr')
data1 <- add_margins(data,vars = "c")
View(data)
View(data1)
3.2 recast ()函数
一步操作进行melt和dcast，相当于整合了数据“融化”和“整合”两步。
# french_fries为reshape2包自带的数据集
head(french_fries)
time treatment subject rep potato buttery grassy rancid painty
61 1 1 3 1 2.9 0.0 0.0 0.0 5.5
25 1 1 3 2 14.0 0.0 0.0 1.1 0.0
62 1 1 10 1 11.0 6.4 0.0 0.0 0.0
26 1 1 10 2 9.9 5.9 2.9 2.2 0.0
63 1 1 15 1 1.2 0.1 0.0 1.1 5.1
27 1 1 15 2 8.8 3.0 3.6 1.5 2.3
recast(french_fries, time ~ variable, id.var = 1:4)
3.3 melt_check()函数
这个函数的主要目的是在数据“融化”之前，检查数据集是否适合于“融化”，返回标识变量和测量变量。
有兴趣可以查看官方文档学习
3.4 colsplit()函数
相较于 strsplit()函数，个人感觉此函数功能更加强大，下面请看具体的例子。
x <- c('x_1','a_1','z_1')
strsplit(x,split = '_',fixed = T)
[[1]]
[1] "x" "1"
[[2]]
[1] "a" "1"
[[3]]
[1] "z" "1"
colsplit(string = x,pattern = "_", names = c('str','num'))
str num
1 x 1
2 a 1
3 z 1
通过上面的例子，是不是更加倾向于colsplit()函数呢？当然， strsplit()函数自然有它的方便之处。
此外，reshape2包还有一个函数，是parse_formula()函数，它的主要功能是对cast的表达式格式进行转换；三个数据集，分别是french_fries、smiths和tips数据集，详细内容请阅读官方文档，或者通过?smiths进行查看。
- ##侵权请联系作者删除！
参考文件
[1] reshape2包官方参考文档
扫一扫
1416
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
