tidyr包--数据处理包

tidyr包的作者是Hadley Wickham。这个包常跟dplyr结合使用。本文将介绍tidyr包中下述四个函数的用法：

• gather—宽数据转为长数据。类似于reshape2包中的melt函数
• spread—长数据转为宽数据。类似于reshape2包中的cast函数
• unit—多列合并为一列
• separate—将一列分离为多列

1.载入包

# 使用datasets包中的mtcars数据集做演示
library(tidyr)
library(dplyr)
head(mtcars)

# 为方便处理，在数据集中增加一列car
mtcars$car <- rownames(mtcars)
mtcars <- mtcars[, c(, :)]

View(mtcars)

2.gather--宽数据转为长数据

使用gather()函数实现宽表转长表，语法如下：
gather(data, key, value, …, na.rm = FALSE, convert = FALSE)
data：需要被转换的宽形表
key：将原数据框中的所有列赋给一个新变量key
value：将原数据框中的所有值赋给一个新变量value
…：可以指定哪些列聚到同一列中
na.rm：是否删除缺失值

开始使用：

# 除了car列外，其余列聚合成两列，分别命名为attribute和value
mtcarsNew <- mtcars %>% gather(attribute, value, -car)
head(mtcarsNew)

如你所见，除了car列外，其余列聚合成两列，分别命名为attribute和value。tidyr很好的一点是可以只gather若干列而其他列保持不变。如果你想gather在map和gear之间的所有列而保持carb和car列不变，可以像下面这样做：

# gather在map和gear之间的所有列而保持carb和car列不变
mtcarsNew <- mtcars %>% gather(attribute, value, mpg:gear)
head(mtcarsNew)

3.spread--长数据转为宽数据

有时，为了满足建模或绘图的要求，往往需要将长形表转换为宽形表，或将宽形表变为长形表。如何实现这两种数据表类型的转换。使用spread()函数实现长表转宽表，语法如下：

spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)
data：为需要转换的长形表
key：需要将变量值拓展为字段的变量
value：需要分散的值
fill：对于缺失值，可将fill的值赋值给被转型后的缺失值

使用：

mtcarsSpread <- mtcarsNew %>% spread(attribute, value)
head(mtcarsSpread)
                 car carb  mpg cyl disp  hp drat    wt  qsec vs am gear
        AMC Javelin
 Cadillac Fleetwood
         Camaro Z28
  Chrysler Imperial
         Datsun
   Dodge Challenger               

4.unite--多列合并为一列

unite的调用格式如下：

unite(data, col, …, sep = “_”, remove = TRUE)
data：为数据框
col：被组合的新列名称
…：指定哪些列需要被组合
sep：组合列之间的连接符，默认为下划线
remove：是否删除被组合的列

其作用是将多列合并为一列，举例如下：

# 虚构一些数据
)
date <- :
hour <- sample(:, )
min <- sample(:, )
second <- sample(:, )
)
data <- data.frame(date, hour, min, second, event)
View(data)

# 把date，hour，min和second列合并为新列datetime
# R中的日期时间格式为"Year-Month-Day-Hour:Min:Second"
dataNew <- data %>%
  unite(datehour, date, hour, sep = ' ') %>%
  unite(datetime, datehour, min, second, sep = ':')
View(dataNew)

5.separate--将一列分离为多列

separate()函数可将一列拆分为多列，一般可用于日志数据或日期时间型数据的拆分，语法如下：

separate(data, col, into, sep = “[^[:alnum:]]+”, remove = TRUE,
convert = FALSE, extra = “warn”, fill = “warn”, …)
data：为数据框
col：需要被拆分的列
into：新建的列名，为字符串向量
sep：被拆分列的分隔符
remove：是否删除被分割的列 

举例如下：

# 可以用separate函数将数据恢复到刚创建的时候
# 首先，将datetime分为date列和time列 然后，将time列分为hour，min，second列
data1 <- dataNew %>%
  separate(datetime, c('date', 'time'), sep = ' ') %>%
  separate(time, c('hour', 'min', 'second'), sep = ':')
data1

6.tidyr包0.5.0版本新特性

目前tidyr包已更新至0.5.1版本，接下来简要介绍0.5.0版本中三个有用的新特性：

准备工作：

library('tidyr')
library(tibble)

注：为了保持跟原文一致，本文用的是data.frame的精简版data_frame。需加载tibble包。

三个新特性

（1）separate_rows()：通过分隔符将那些含有多个值的字段拆分为多行。

separate_rows(data, ..., sep = "[^[:alnum:].]+", convert = FALSE)
data:数据
...:需要被拆分的列
sep:分隔符

示例操作：

df <- data_frame(x = :,y = c("a,b","d,e,f"));df
df %>% separate_rows(y,sep = ",")

df %>% separate(y,c("y1","y2","y3"),sep = ",",fill = "right")

（2）spread()函数增加了一个sep参数：用于将列名设置为“key|sep|value”格式。这在对字段为数值型数据做重塑时非常有用。

spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE,sep = NULL)
data：为需要转换的长形表
key：需要将变量值拓展为字段的变量
value：需要分散的值
fill：对于缺失值，可将fill的值赋值给被转型后的缺失值
sep:用于将列名设置为“key|sep|value”格式

示例：

df <- data_frame(x = c(,,),
                 key = c(,,),
                 val = c("a","b","c"));df
df %>% spread(key,val)
df %>% spread(key,val,sep = "_")

（3）unnest()函数增加了一个.sep参数。当数据框的多个列包含有相同变量名的时候非常有用：

unnest()嵌套list的列

unnest(data, ..., .drop = NA, .id = NULL, .sep = NULL)
data:数据框
...:要嵌套的列
.id:用于显示列表中定义的名称
.sep:当数据框的多个列包含相同变量名的时候非常有用

使用示例：

df <- data_frame(x = :,
                 y1 = list(data_frame(y = ),data_frame(y = )),
                 y2 = list(data_frame(y = "a"),data_frame(y = "b")))
df
df %>% unnest()
df %>% unnest(.sep = "_")

同时，unnest()函数添加了.id参数用于显示列表中定义的名称：

df <- data_frame(x = :,
                 y = list(a = :,b = :));df
df %>% unnest()
df %>% unnest(.id = "id")

本文链接：http://www.cnblogs.com/homewch/p/5778405.html