r语言合并相同列名的列_【R语言新书】2.4 数据重塑

张敬信：《R语言编程—基于tidyverse》新书信息汇总​zhuanlan.zhihu.com

2.4.1 什么是整洁数据？

采用 Hadley 的表述，脏的 / 不整洁的数据往往具有如下特点：

• 首行（列名）是值，不是变量名
• 多个变量放在一列
• 变量既放在行也放在列
• 多种类型的观测单元在同一个单元格
• 一个观测单元放在多个表

而整洁数据具有如下特点：

• 每个 变量 构成一列
• 每个 观测 构成一行
• 每个观测的每个变量 值 构成一个单元格

tidyverse 系列包中的函数操作的都是这种整洁数据框，而不整洁数据，首先需要变成整洁数据，这就是 数据重塑 。

数据重塑主要包括长宽表转化、拆分 / 合并列。长宽表转化最初是 reshape2 包的 melt() 和 cast() ; 后来又发展到早期 tidyr 包的 gather() 和 spread() , 现在 tidyr 1.0 之后提供了更加易用的 pivot_longer() 和 pivot_wider() .

先看一个不整洁数据与整洁数据对比的例子：

dt = tribble(
  ~observation, ~A_count, ~B_count, ~A_dbh, ~B_dbh,
  "Richmond(Sam)",  7,       2,        100,   110,
  "Windsor(Ash)",  10,       5,         80,    87,
  "Bilpin(Jules)",  5,       8,         95,    90
)
knitr::kable(dt, align="c")

该数据框不整洁，表现在：

• observation 列有两个变量数据
• 列名中的 A/B 应是分类变量 species 的两个水平值
• 测量值列 count 和 dbh 应各占 1 列，而不是 2 列

下面借助 tidyr 包中数据重塑函数，将其变成整洁数据，读者可以学完本节内容再回头看这段代码：

tidy_dt = dt %>%
  pivot_longer(-observation,
               names_to = c("speices", ".value"),
               names_sep = "_") %>%
  separate(observation, into = c("site", "surveyor"))
knitr::kable(tidy_dt, align = "c")

这里的关键是，要学会区分哪些是 变量 、 观测 、 值 。

2.4.2 宽表变长表

宽表的特点是：表比较宽，本来该是 "值 ” 的，却出现在 "变量（名） ” 中。

这就需要给它变到 "值 ” 中，新起个列名存为一列，这就是所谓的宽表变长表。

1. 每一行只有 1 个观测的