R语言-数据变形问题

最新推荐文章于 2022-11-15 08:56:03 发布

xiaomlu

最新推荐文章于 2022-11-15 08:56:03 发布

阅读量1.1k

点赞数 1

分类专栏： R 文章标签：数据变形

本文链接：https://blog.csdn.net/xiaomlu/article/details/83004522

版权

本文介绍了如何使用R语言解决数据变形问题，具体包括使用tapply函数和tidyr-spread结合sqldf的方法。通过案例展示了如何将原始数据结构转换为所需形式，同时分析了两种方法的优缺点。

摘要由CSDN通过智能技术生成

一个之前未解决的遗留问题

之前实习的时候偶然间被询问了一个数据结构变形的问题，但是是在excel里，所以不太会，最近学R，发现R解决起来还挺方便，整理了一下放在这里，以便日后需要再来查阅。

工具：R, tapply, tidyr - spread, sqldf - sqldf
问题描述：
如果有这样的一个数据集
在这里插入图片描述

要如何把它变成这种结构：

	a1	b1	c1	d1
A	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)
B	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)
C	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)
D	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)	对应sum(GMV)

构建数据集

Region <- c('A','B','A','B'

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

xiaomlu

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

R语言tidyr包spread()函数实战详解：数据裂变、从窄表到宽表

data+scenario+science+insight

07-15

1987

R语言tidyr包spread()函数实战详解：数据裂变、从窄表到宽表目录 R语言tidyr包spread()函数实战详解：数据裂变、从窄表到宽表扩展出两个新列扩展出多个新列 tidyr包中的spread（）函数可用于将键值（key-value pair）对“扩展”到多个列中。 spread(data, key value) data：dataframe的名称 key：其值将成为dataframe的列 value：将该列所对应的值按照扩展或者裂变关系填充在新生成的列下..

【R语言 数据处理】R语言数据变形melt用法

热门推荐

赖德发的博客

06-09

4万+

1、需要安装的包install.packages("reshape2") install.packages("knitr")2、加载包rm(list=ls()) gc() library(reshape2) library(knitr)3、创建数据集data<-data.frame(Name = c("苹果","谷歌","脸书","亚马逊","腾讯"),Company = c("Apple","Go

参与评论您还未登录，请先登录后发表或查看评论

R语言 数据变形melt()函数

qq_37388041的博客

04-25

4062

数据变形melt()函数 library(reshape2) library(dplyr) data %>% melt("Date") %>% ggplot() melt(data,id.vars,measure.vars,variable.name=“variable”,…,na.rm=FALSE,value.name=“value”,factorsAsStrings=TRUE) ...

R语言数据变形melt和dcast用法

weixin_43332500的博客

09-12

2万+

reshape2包中的dcast函数和acast函数，两个函数都可以将长格式数据转换成宽格式数据。dcast与acast几乎没有区别，唯一的差别在于acast函数的输出结果没有行标签，dcast函数的输出结果有行标签。

R语言tidyr包数据变换函数（dplyr包组合使用，完美）

关注我，你就是我的电子朋友咯！

02-23

3964

日常的数据预处理中，不可避免的会遇到数据的各种变形、转换，R语言中的tidyr包函数解决了数据变形上的问题，变量、列的转换。 1、宽数据变长数据 gather(data, key = "key", value = "value", ..., na.rm = FALSE,convert = FALSE, factor_key = FALSE) 参数说明：data数据； ...

R语言--高效操作数据框（dplyr包）（1）

jhr112的博客

03-08

1万+

数据框是R语言中的一个重要数据结构，在数据分析过程中，主要的数据对象就是数据框。R语言内置了data.frame类，dplyr包则加强了数据框的各种操作，语法与SQL类似,使数据框的处理变得灵活多变，处理速度得到很大提升。本文针对在数据分析中数据框使用的各种常用场景，总结了dplyr包的使用方法。本文为该系列的第一篇。环境&软件 win10 64bit R 3.6.1 安装包 ...

R语言的四种数据结构---数据框

dayun555的博客

12-28

1848

数据框是最常见的数据结构，一般来讲，从csv或txt文件读入时就会自动存储为数据框对象。与矩阵不同的是，矩阵只可以存储一种数据类型，而数据框可以存储多种类型，但是每一列必须为相同的数据类型 1.创建数据框（1）从外部读入 # 读入一个txt,csv等格式数据,即自成一个数据框 movie = read.csv("电影数据.csv", fileEncoding = "UTF-8", s...

r语言中mpg数据_R语言之数据处理常用包

weixin_39924329的博客

12-19

1234

dplyr包是Hadley Wickham的新作，主要用于数据清洗和整理，该包专注dataframe数据格式，从而大幅提高了数据处理速度，并且提供了与其它数据库的接口；tidyr包的作者是Hadley Wickham，该包用于“tidy”你的数据，这个包常跟dplyr结合使用。dplyr、tidyr包安装及载入install.packages("dplyr")install.packages("...

r语言中mpg数据_R语言常用的数据处理的包(1)

weixin_39892800的博客

12-19

1714

在R中有很多的内置函数，比如transform()、rbind()、cbind()等函数，这些函数我们可以直接使用，除此之外，还有常见的几种包在处理数据的时候非常好用。dplyr包dplyr包是Hadley Wickham(ggplot2包的作者，被称为‘一个改变R的人’)的杰作， dplyr可用于处理R内部或者外部的结构化数据，相较于plyr包，dplyr专注接受dataframe对象, 大幅提...

提取csv文件数据为dat格式

04-20

简单的将csv文件中的一列数据提取出来，采样并放大后生成dat文件

R语言矩阵的转化

weixin_43949246的博客

12-25

8125

在使用R语言的过程中，我们会遇到很多问题，比如说长宽矩阵的转化，不能每一次都是手动处理，这样也很麻烦，实现长宽矩阵的转化的方式很多，我们只需要掌握其中一对就好。 1、宽变长这里我随意设置一个矩阵，作为测试数据 #测试数据的生成，10X10 data=matrix(1:100,nrow=10) colnames(data)=paste0('sample',1:10) data=data.frame(gene_name=paste0('gene',1:10), data...

R语言中矩阵变为对称矩阵的两种方法

邓飞----育种数据分析之放飞自我

07-29

1万+

问题: 现有一个矩阵, 想将其以上三角矩阵变为对称矩阵例子: set.seed(123) mat <- matrix(runif(16),4,4) mat mat矩阵内容现将其上三角矩阵为基础,变为对称矩阵 > set.seed(123) > mat <- matrix(runif(16),4,4) > mat [,1] ...

R语言attributes函数（获取属性、设置属性）、attr函数（改变一个属性）、structure函数（改变数据形状）实战

data+scenario+science+insight

08-30

3407

R语言attributes函数（获取属性、设置属性）、attr函数（改变一个属性）、structure函数（改变数据形状）实战目录 R语言attributes函数（获取属性、设置属性）、attr函数（改变一个属性）、structure函数（改变数据形状）实战 #基础语法 # attr() 函数和attributes()函数 #attributes()函数设置新的属性值 #attr()函数改变一个属性 #structure函数改变数据结构形状 #基础语法 attribut...

R语言使用caret包的predict函数对测试数据集进行数据预处理（和训练集的处理方式保持一致）：缺失值填充、数值变量最小最大缩放、因子变量独热编码等