R 中几个常见的数据重塑函数

Data Cleaning functions

以下是整理数据的四个常用的函数:

• gather(): 将数据从横向转换为纵向(不是装置)

• spread(): 将数据从纵向转换为横向

• separate(): 将一个变量分解为两个变量

• unit(): 将两个变量合并为一个变量

如果没有安装tidyr，输入以下命令进行安装

install.packages("tidyr")

gather()

gather(data, key, value, na.rm = FALSE)
参数:
-data: 数据集
-key: 新创建列的名称
-value: 选择用来填充关键列的列
-na.rm: 删除缺失的值. 默认为FALSE  

如图，我们想要创建一个名为growth的列，由quarter变量的值填充。

library(tidyr)
#生成示例数据
messy <- data.frame(
  country = c("A", "B", "C"),
  q1_2017 = c(0.03, 0.05, 0.01),
  q2_2017 = c(0.05, 0.07, 0.02),
  q3_2017 = c(0.04, 0.05, 0.01),
  q4_2017 = c(0.03, 0.02, 0.04))
messy

> messy
  country q1_2017 q2_2017 q3_2017 q4_2017
1       A    0.03    0.05    0.04    0.03
2       B    0.05    0.07    0.05    0.02
3       C    0.01    0.02    0.01    0.04

#整理数据
tidier <-messy %>% #管道符可以让代码更简洁
gather(quarter, growth, q1_2017:q4_2017)
tidier

> tidier
   country quarter growth
1        A q1_2017   0.03
2        B q1_2017   0.05
3        C q1_2017   0.01
4        A q2_2017   0.05
5        B q2_2017   0.07
6        C q2_2017   0.02
7        A q3_2017   0.04
8        B q3_2017   0.05
9        C q3_2017   0.01
10       A q4_2017   0.03
11       B q4_2017   0.02
12       C q4_2017   0.04

spread()

spread() 的作用和gather正好相反.

spread(data, key, value)
参数: 
data: 数据集
key: 需要变成横向的列
value: 填充新列的行

我们可以使用spread()将整洁的数据集重塑为凌乱的。

# 重塑数据
messy_1 <- tidier %>%
  spread(quarter, growth) 
messy_1

##   country q1_2017 q2_2017 q3_2017 q4_2017
## 1       A    0.03    0.05    0.04    0.03
## 2       B    0.05    0.07    0.05    0.02
## 3       C    0.01    0.02    0.01    0.04

separate()

separate()的作用是:根据分隔符将一列分成两列。比如，我们的分析需要关注月和年，我们就可以把这个列分成两个新变量。

Syntax:

separate(data, col, into, sep= "", remove = TRUE)
参数:
-data: 数据集
-col: 需要分隔的列
-into: 新变量的名称
-sep: 用于分隔变量的符号,i.e.:  "-", "_", "&"
-remove: 删除旧列. 默认为TRUE.

separate_tidier <-tidier %>%
separate(quarter, c("Qrt", "year"), sep ="_")
head(separate_tidier)

##   country Qrt year growth
## 1       A  q1 2017   0.03
## 2       B  q1 2017   0.05
## 3       C  q1 2017   0.01
## 4       A  q2 2017   0.05
## 5       B  q2 2017   0.07
## 6       C  q2 2017   0.02

unite()

unite() 则是将两列合并为一列。

Syntax:

unit(data, col, conc ,sep= "", remove = TRUE)
参数:
-data: 数据集
-col: 新列的名称
-conc: 需要合并的列明
-sep: 用于连接变量的符号, i.e:  "-", "_", "&"
-remove: 删除旧列. 默认为TRUE.

unit_tidier <- separate_tidier %>%
  unite(Quarter, Qrt, year, sep ="_")
head(unit_tidier)

output:

##   country Quarter growth
## 1       A q1_2017   0.03
## 2       B q1_2017   0.05
## 3       C q1_2017   0.01
## 4       A q2_2017   0.05
## 5       B q2_2017   0.07
## 6       C q2_2017   0.02

Summary

Function	Objectives	Arguments
gather()	Transform the data from wide to long	(data, key, value, na.rm = FALSE)
spread()	Transform the data from long to wide	(data, key, value)
separate()	Split one variables into two	(data, col, into, sep= "", remove = TRUE)
unit()	Unit two variables into one	(data, col, conc ,sep= "", remove = TRUE)

---

往期文章

• apply | R中函数的简单循环

• aggregate | 在R中进行分组统计

• R 中几个常见的合并数据集方法