介紹tidyr包中五個基本函數(shù)的簡單用法:長轉(zhuǎn)寬，寬轉(zhuǎn)長，合并，分割，NA簡單填充。
長數(shù)據(jù)就是一個觀測對象可由多行組成，而寬數(shù)據(jù)則是一個觀測僅由一行組成。
#載入所需的R包
library(dplyr)
library(tidyr)
#測試數(shù)據(jù)集
widedata <- data.frame(person=c('A','B','C'),grade=c(5,6,4),score=c(89,98,90))
widedata
? person grade score
1 ? ? ?A ? ? 5 ? ?89
2 ? ? ?B ? ? 6 ? ?98
3 ? ? ?C ? ? 4 ? ?90
一 寬數(shù)據(jù)轉(zhuǎn)為長數(shù)據(jù)
gather(): 類似于reshape2包中的melt()函數(shù);
gather(data, key, value, … , na.rm = FALSE, convert = FALSE)：
data：需要被轉(zhuǎn)換的寬形表
key：將原數(shù)據(jù)框中的所有列賦給一個新變量key
value：將原數(shù)據(jù)框中的所有值賦給一個新變量value
...：可以指定哪些列聚到一列中
na.rm：是否刪除缺失值
將示例數(shù)據(jù)集轉(zhuǎn)成長數(shù)據(jù)：
longdata <- gather(widedata, variable, value)
longdata
?variable value
1 ? person ? ? A
2 ? person ? ? B
3 ? person ? ? C
4 ? ?grade ? ? 5
5 ? ?grade ? ? 6
6 ? ?grade ? ? 4
7 ? ?score ? ?89
8 ? ?score ? ?98
9 ? ?score ? ?90
只把制定變量從寬數(shù)據(jù)變成長數(shù)據(jù)的功能，person不變成長數(shù)據(jù)
gather(widedata, variable, value, -person)
? person variable value
1 ? ? ?A ? ?grade ? ? 5
2 ? ? ?B ? ?grade ? ? 6
3 ? ? ?C ? ?grade ? ? 4
4 ? ? ?A ? ?score ? ?89
5 ? ? ?B ? ?score ? ?98
6 ? ? ?C ? ?score ? ?90
gather()函數(shù)比reshape2包中melt()函數(shù)的優(yōu)勢: 它可以只gather若干列而其他列保持不變：
age <- c(20, 21, 22)
wide <- data.frame(widedata, age)
wide
? person grade score age
1 ? ? ?A ? ? 5 ? ?89 ?20
2 ? ? ?B ? ? 6 ? ?98 ?21
3 ? ? ?C ? ? 4 ? ?90 ?22
先對widedata增加一列 age. 整合兩個變量之間的若干列, 而保持其他列不變：
long <- gather(wide, variable, value, grade:age)
long
? person variable value
1 ? ? ?A ? ?grade ? ? 5
2 ? ? ?B ? ?grade ? ? 6
3 ? ? ?C ? ?grade ? ? 4
4 ? ? ?A ? ?score ? ?89
5 ? ? ?B ? ?score ? ?98
6 ? ? ?C ? ?score ? ?90
7 ? ? ?A ? ? ?age ? ?20
8 ? ? ?B ? ? ?age ? ?21
9 ? ? ?C ? ? ?age ? ?22
二 長數(shù)據(jù)轉(zhuǎn)為寬數(shù)據(jù)
spread():類似于reshape2包中的cast()函數(shù);
spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)
data：為需要轉(zhuǎn)換的長形表
key：需要將變量值拓展為字段的變量
value：需要分散的值
fill：對于缺失值，可將fill的值賦值給被轉(zhuǎn)型后的缺失值
將長數(shù)據(jù)轉(zhuǎn)成寬數(shù)據(jù)：
wide <- spread(long, variable, value)
wide
? person age grade score
1 ? ? ?A ?20 ? ? 5 ? ?89
2 ? ? ?B ?21 ? ? 6 ? ?98
3 ? ? ?C ?22 ? ? 4 ? ?90
這實(shí)際將原來gather后的結(jié)果還原為gather前, 但各列的相互位置稍有調(diào)整.
三 多列合并為一列
unite(data, col, … , sep = " ")
data::表示數(shù)據(jù)框,
col:表示合并后的列名稱,
… :表示需要合并的若干變量,
sep: = " "用于指定分隔符,
remove：是否刪除被組合的列
把widedata中的person,grade, score三個變量合成一個變量information, 并變成"person-grade-score"的格式
wideunite<-unite(widedata, information, person, grade, score, sep= "-")
wideunite
? information
1 ? ? ?A-5-89
2 ? ? ?B-6-98
3 ? ? ?C-4-90
四 一列分離為多列.
separate(data, col, into, sep = " ")
data：為數(shù)據(jù)框
col：需要被拆分的列
into：要拆分為的(多個)列, 通常用c()的形式進(jìn)行命名
sep : = " " 用于指定分隔符
remove：是否刪除被分割的列
用separate函數(shù)將上面的wideunite數(shù)據(jù)框還原:
widesep <- separate(wideunite, information,c("person","grade","score"), sep = "-")
widesep
? person grade score
1 ? ? ?A ? ? 5 ? ?89
2 ? ? ?B ? ? 6 ? ?98
3 ? ? ?C ? ? 4 ? ?90
可見separate()函數(shù)和unite()函數(shù)的功能是相反的.
五 缺失值填充
示例數(shù)據(jù)集，增加NA值
NAdata <- data.frame(person=c('A','B','C','D'),grade=c(5,NA,4,7),score=c(89,98,NA,89))
NAdata
? person grade score
1 ? ? ?A ? ? 5 ? ?89
2 ? ? ?B ? ?NA ? ?98
3 ? ? ?C ? ? 4 ? ?NA
4 ? ? ?D ? ? 7 ? ?89
計算x的均值和中位數(shù)
x_mean <- mean(NAdata$grade, na.rm = TRUE)
x_median <- median(NAdata$grade, na.rm = TRUE)
計算y的眾數(shù)
y_mode <- as.character(NAdata$score[which.max(table(NAdata$score))])
用特定值進(jìn)行NA填充：
NAdata2 <- replace_na(data = NAdata, replace = list(grade = x_mean, score = y_mode))
NAdata2
? person ? ?grade score
1 ? ? ?A 5.000000 ? ?89
2 ? ? ?B 5.333333 ? ?98
3 ? ? ?C 4.000000 ? ?89
4 ? ? ?D 7.000000 ? ?89
其他數(shù)據(jù)的預(yù)處理方法及缺失值的處理方法，待續(xù) 。。。
