使用 R 重塑数据

2019-11-06 08:00:00 · 飞浪

介绍在预测建模中，通常需要重塑数据以使其准备好进行分析或构建模型。将数据转换为清晰、简单且理想的形式是数据科学不可或缺的一部分。最常见的重塑过程是将数据从宽格式转换为长格式，反之亦然。

介绍

在预测建模中，通常需要重塑数据以使其准备好进行分析或构建模型。将数据转换为清晰、简单且理想的形式是数据科学不可或缺的一部分。最常见的重塑过程是将数据从宽格式转换为长格式，反之亦然。

在本指南中，您将了解在 R 中重塑数据的技术。R 中有许多强大的库可以执行此任务，您将了解两个这样的包：reshape2和tidyr。

数据

在本指南中，我们将使用三个科目中五名学生的成绩（满分 100 分）的简单虚构数据。让我们首先使用下面的代码行创建示例数据。我们还将把学号转换为因子变量，因为这将有助于数据整理。

      df_wide <- read.table(header=TRUE, text='
     Rollno name   math science english
       1   Name1     80  72  77
       2   Name2     65  80  71
       3   Name3     45  54  67
       4   Name4     95  73  70
')

df_wide$Rollno <- factor(df_wide$Rollno) 

head(df_wide)
    

输出：

      |   	| Rollno 	| name  	| math 	| science 	| english 	|
|---	|--------	|-------	|------	|---------	|---------	|
| 1 	| 1      	| Name1 	| 80   	| 72      	| 77      	|
| 2 	| 2      	| Name2 	| 65   	| 80      	| 71      	|
| 3 	| 3      	| Name3 	| 45   	| 54      	| 67      	|
| 4 	| 4      	| Name4 	| 95   	| 73      	| 70      	|
    

我们将在后续部分中使用这些简单的数据来执行重塑任务。

使用“reshape2”

reshape2是一个由 Hadley Wickham 编写的 R 包，它可以轻松地在宽格式和长格式之间转换数据。宽数据为每个变量都留有一列，而长数据则不是必需的。

宽到长转换

有时您可能需要将宽数据重塑为长格式。'reshape2 ' 中的melt函数可执行此任务。

下面的第一行代码加载库，而第二行将数据融入长格式。需要指定的参数概述如下：

参数“id.vars”：指定要保留且不拆分的变量
参数“measure.vars”：代表源列
参数“variable.name”：表示将标识值来源的原始变量的目标列
参数“value.name”：代表值，在我们的数据中是考试成绩

结果数据存储在新的数据框“df_long”中。下面的第三行代码打印此结果数据集，该数据集现在包含 4 个变量的 12 个观测值。

      library(reshape2)

df_long <- melt(df_wide, id.vars=c("Rollno", "name"), measure.vars=c("math", "science", "english" ), variable.name="subject", value.name="marks"
)

df_long

输出：

      | Rollno  	| name  	| subject 	| marks 	|
|---------	|-------	|---------	|-------	|
| 1       	| Name1 	| math    	| 80    	|
| 2       	| Name2 	| math    	| 65    	|
| 3       	| Name3 	| math    	| 45    	|
| 4       	| Name4 	| math    	| 95    	|
| 1       	| Name1 	| science 	| 72    	|
| 2       	| Name2 	| science 	| 80    	|
| 3       	| Name3 	| science 	| 54    	|
| 4       	| Name4 	| science 	| 73    	|
| 1       	| Name1 	| english 	| 77    	|
| 2       	| Name2 	| english 	| 71    	|
| 3       	| Name3 	| english 	| 67    	|
| 4       	| Name4 	| english 	| 70    	|
    

长到宽的转换

在上一节中，我们从宽数据创建了长数据。要将长数据转换回宽格式，我们可以使用cast函数。有许多转换函数，但我们将使用dcast函数，因为它用于数据帧。

下面的代码行将执行此转换。

      data_wide <- dcast(df_long, Rollno + name ~ subject, value.var="marks")
data_wide
    

输出：

      |   	| Rollno 	| name  	| math 	| science 	| english 	|
|---	|--------	|-------	|------	|---------	|---------	|
| 1 	| 1      	| Name1 	| 80   	| 72      	| 77      	|
| 2 	| 2      	| Name2 	| 65   	| 80      	| 71      	|
| 3 	| 3      	| Name3 	| 45   	| 54      	| 67      	|
| 4 	| 4      	| Name4 	| 95   	| 73      	| 70      	|
    

使用“tidyr”

tidyr包也可用于重塑数据。它使用gather函数将数据从宽格式转换为长格式，并使用spread函数将其从长格式转换为宽格式。

宽到长转换

下面的第一行代码加载库，第二行将数据重新整形为长格式。第三行打印结果数据。

      library(tidyr)

df_long_tidyr <- gather(df_wide, subject, marks, math:english, factor_key=TRUE)

df_long_tidyr

输出：

      | Rollno  	| name  	| subject 	| marks 	|
|---------	|-------	|---------	|-------	|
| 1       	| Name1 	| math    	| 80    	|
| 2       	| Name2 	| math    	| 65    	|
| 3       	| Name3 	| math    	| 45    	|
| 4       	| Name4 	| math    	| 95    	|
| 1       	| Name1 	| science 	| 72    	|
| 2       	| Name2 	| science 	| 80    	|
| 3       	| Name3 	| science 	| 54    	|
| 4       	| Name4 	| science 	| 73    	|
| 1       	| Name1 	| english 	| 77    	|
| 2       	| Name2 	| english 	| 71    	|
| 3       	| Name3 	| english 	| 67    	|
| 4       	| Name4 	| english 	| 70    	|
    

长到宽的转换

下面的代码行使用“spread”函数返回宽格式的原始数据。

      df_wide_tidyr <- spread(df_long_tidyr, subject, marks)
df_wide_tidyr
    

输出：

      |   	| Rollno 	| name  	| math 	| science 	| english 	|
|---	|--------	|-------	|------	|---------	|---------	|
| 1 	| 1      	| Name1 	| 80   	| 72      	| 77      	|
| 2 	| 2      	| Name2 	| 65   	| 80      	| 71      	|
| 3 	| 3      	| Name3 	| 45   	| 54      	| 67      	|
| 4 	| 4      	| Name4 	| 95   	| 73      	| 70      	|
    

转置数据

转置函数将行反转为列，反之亦然。它可能是重塑数据集最简单的方法，它使用 t ()函数转置矩阵或数据框，如下所示。

      t(df_wide)

输出：

结论

在本指南中，您学习了使用“reshape2”和“tidyr”包的两种流行的数据重塑技术。您还学习了如何转置数据。这些工具将帮助您将数据转换为更易于分析的格式。要了解有关 R 中数据科学的更多信息，请参阅以下指南：

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

技术指南

R语言

阅读全文

使用 R 重塑数据

杭州电子商务研究院

5年前 · 面向社会、服务行业、政产学研结合、整合资源、和谐发展

df_wide <- read.table(header=TRUE, text=' Rollno name math science english 1 Name1 80 72 77 2 Name2 65 80 71 3 Name3 45 54 67 4 Name4 95 73 70 ') df_wide$Rollno <- factor(df_wide$Rollno) head(df_wide)

| | Rollno | name | math | science | english | |--- |-------- |------- |------ |--------- |--------- | | 1 | 1 | Name1 | 80 | 72 | 77 | | 2 | 2 | Name2 | 65 | 80 | 71 | | 3 | 3 | Name3 | 45 | 54 | 67 | | 4 | 4 | Name4 | 95 | 73 | 70 |

| Rollno | name | subject | marks | |--------- |------- |--------- |------- | | 1 | Name1 | math | 80 | | 2 | Name2 | math | 65 | | 3 | Name3 | math | 45 | | 4 | Name4 | math | 95 | | 1 | Name1 | science | 72 | | 2 | Name2 | science | 80 | | 3 | Name3 | science | 54 | | 4 | Name4 | science | 73 | | 1 | Name1 | english | 77 | | 2 | Name2 | english | 71 | | 3 | Name3 | english | 67 | | 4 | Name4 | english | 70 |