【数据整理】spread，gather，separate 和unite

数据整理

原则就是让数据变得更好用。
数据整理是一个从数据框的统计结构（变量与观测）到形式结构（行与列）的映射。他只要遵循原则：
1.每一列代表一个变量。
2.每一行代表一个观测。

整理数据对ggplot2至关重要，因为ggplot2的任务就是将变量映射到视觉属性上。

spread 和 gather

下面两个表格

他们其实是相同的数据，只是形式不同。左侧是宽数据(Cartesian data，笛卡尔型数据)，你要通过行与列的交叉点来找对应的值。右侧是长数据（indexed data，指标型数据），你要通过指标来找对应需要的数值。我们不能简单的说哪一个更优，因为两种形式都有可能是整洁的。
注意一点，在一个形式下明确存在的缺失值，可能在另一种形式下不存在。NA确实代表了一种缺失情况，但有时数值缺失单纯是因为那里没有值。
数据整理常常需要化宽为长，称为聚集gathering，但偶尔也需要化长为宽，称为扩散spreading。tidyr包分别提供了gather()函数和spread()函数来实现以上操作。
还可以扩展到更高维的情况，但是由于数据总是用二维储存的（行与列），所以这些扩展有趣但不实用。

gather

gather()函数有四个主要参数：

• data：需要调整的数据集；
• key：存放原来各列名的新变量的变量名；
• value：存放原来单元格中的值的新变量的变量名；
• …：指定的要聚合的变量。这里可以通过枚举进行指定，A,B,C,D，或者通过范围进行指定：A:D。还可以通过用 -号指定不需要聚集的列：-E，-F。

为了让数据更好用，我们还可以增加两个另外的参数：
convert = TRUE，na.rm = TRUE
conver = TRUE 将变量从字符串变成数值型，na.rm = TRUE 则可以自动移除没有值的月份。（其实这个缺失值并不是数据的丢失，而只是因为那个时间还没有到而已。）

spread

spread()函数是gather()的逆运算，你可以将数据化长为宽。它同样有gather()函数的几个参数。你需要指定需要转换的data，以及key和value对应的列名。

separate 和unite

spread和gather函数可以帮你解决数据中的变量放错位置的问题。而separate（分离）和unite（合并）则是为了解决以下问题：多个变量挤在了同一个列中。
separate()函数可以轻而易举地将这一混杂的列拆分成多个变量，它包含了以下四个主要参数：

• data：需要调整的数据框；
• col：需要进行拆分的列的列名；
• into：拆分后新生成变量的列名，格式为字符型向量；
• sep：对如何拆分原变量的描述，其可以是正则表达式，如_表示通过下划线拆分，或[^a-z]表示通过任意非字母字符拆分，或一个指定位置的整数。

如果变量被一种更复杂的形式混合在了一起，试试extract()函数。
另外，有时可能需要单独建立一列经由某种运算生成的变量，mutate()函数是一种方法。
unite()函数是separate()的逆运算——它可以将多列合并为一列。

举个实例：

ss_kpi_bymonth()%>%
      select(1:2,10:13)%>%
      gather(key = type,value = avg_price,"客单价","升舱客单价","到期客单价","提前续费客单价") %>%
      spread(mm,avg_price) %>%
      arrange(type)