R语言的tidyr包怎么用
这篇文章主要讲解了"R语言的tidyr包怎么用"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"R语言的tidyr包怎么用"吧！
前言
reshape2包在数据处理阶段帮助我们很容易的实现长宽格式数据之间的转换。tidyr包可以看作是reshape2包的进化版本，该包的作者依旧是Rstudio的首席科学家，R语言界的大神Hadley Wickham。tidyr包往往与dplyr包结合使用，目前渐有取代reshape2包之势, 是值得关注的一个R包。
在tidyr包中，有四个常用的函数，分别是：
gather()：宽数据转换为长数据，将行聚集成列
spread()：长数据转换为宽数据，将列展开为行
unite()：多列合并为一列
separate()：将一列分离为多列.
接下来我们主要对这四个函数进行详细学习，并在此基础上学习tidyr包其他的一些实用功能。
一、gather()函数
导入所用的包
> library(dplyr)> library(tidyr)
如前面所说，gather()函数是将宽数据转换为长数据，调用公式如下：
> gather(data=,key=,value=,...,na.rm=,convert=,factor_key=)# key：创建一个新的列名，原数据的旧列名成为新列名的观测值# value：再创建一个新的列名，原数据的所有旧列名的观测值成为新列名的观测值# ...：按照实际需要自行指定需要转换的列# na.rm：逻辑值，是否删除缺失值# convert：逻辑值，在key列是否进行数据类型转换# factor_key:逻辑值，若是F，则key自动转换为字符串，反之则是因子（原始lever水平保持不变）
首先我们先查看原始数据：
> head(iris,3) Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 5.1 3.5 1.4 0.2 setosa2 4.9 3.0 1.4 0.2 setosa3 4.7 3.2 1.3 0.2 setosa
使用gather()函数进行数据重塑（代码中'%>%'为管道函数，这也是我们为什么要载入dplyr包的原因，关于管道函数，详见R Language Learning：dplyr包（十一））
> iris %>%+ gather(key=var1,value = var2,...=1:4,na.rm = F) %>%+ arrange(desc(var2)) %>%+ head(3) Species var1 var21 virginica Sepal.Length 7.92 virginica Sepal.Length 7.73 virginica Sepal.Length 7.7
二、spread()函数
spread()函数将长数据转为宽数据，即将列展开为行，调用公式如下：
> spread(data = ,key = ,value = ,fill = ,convert = ,drop = )# key:指定转换的某列，其观测值作为转换后的列名# value:其他列的观测值分散到相对应的各个单元# fill:设定某个值，替换缺失值
我们使用R中的economics数据集来使用学习这一函数。
# 提取原数据集前三列> data <- economics[1:3]> head(data，3)# A tibble: 3 × 3 date pce pop1 1967-07-01 507.4 1987122 1967-08-01 510.5 1989113 1967-09-01 516.3 199113
# 由于手边没有合适的长数据，所以我们先使用gather函数生成一份新的长数据，并假定我们要对这一份长数据进行列转行> data %>%+ gather(key=var1,value = var2,-date) %>%+ head(3)# A tibble: 3 × 3 date var1 var21 1967-07-01 pce 507.42 1967-08-01 pce 510.53 1967-09-01 pce 516.3# -date:默认数据集中的date不做变化
# 使用spread()函数进行了长数据向宽数据的转换# 原有的var1变量作为转换后的列名，var2变量值作为相应的观测值分散到各列> data %>%+ gather(key = var1,value = var2,-date) %>%+ spread(key = var1,value = var2) %>%+ head(3)# A tibble: 3 × 3 date pce pop1 1967-07-01 507.4 1987122 1967-08-01 510.5 1989113 1967-09-01 516.3 199113
三、unit()函数
unite()函数是将数据框中多列合并为一列，调用公式如下：
> unite(data = ,col = ,... = ,sep = ,remove = )# col:指定组合为新列的名字# ...:指定数据中哪些列组合在一起# sep：组合后新列中数据之间的分隔符# remove:逻辑值，是否保留参与组合的列
# 数据准备> date <- as.Date('2016-11-01') + 0:29> hour <- sample(1:24,replace = TRUE,30)> min <- sample(1:60,replace = TRUE,30)> second <- sample(1:60,replace = TRUE,30)> event <- sample(letters,30,replace = TRUE)> data <- data.frame(date,hour,min,second,event)> head(data,3) date hour min second event1 2016-11-01 23 59 11 y2 2016-11-02 21 12 4 u3 2016-11-03 2 55 42 i在这里，我们使用unite()函数将日期和时间数值合并到一列上。
# date和hour用空格连接# datehour与时间数值用':'连接> data %>%+ unite(datehour,date,hour,sep=' ') %>%+ unite(datetime,datehour,min,second,sep=':') %>%+ head(3) datetime event1 2016-11-01 23:59:1 y2 2016-11-02 21:12:4 u3 2016-11-03 2:55:42 i
四、separate()函数
在学习了unite()函数后，separate()函数就很好理解了，它的作用正好和unite相反，即将数据框中的某列按照分隔符拆分为多列，一般用于时间序列的拆分，调用公式如下：
> separate(data = ,col = ,into = ,sep = ,remove = ,+ convert = ,extra = ,fill = ,...)# col：待拆分的某列# into:定义拆分后新的列名# sep:分隔符# remove:逻辑值，是否删除拆分后的列
我们使用上一节得到的时间数据集，定义为data_unite，并对它进行拆分
# 先拆分日期和时间，在对时间进行细拆分> data_unite %>%+ separate(datetime,c('date','time'),sep=' ') %>%+ separate(time,c('hour','min','second'),sep=':') %>%+ head(3) date hour min second event1 2016-11-01 23 59 1 y2 2016-11-02 21 12 4 u3 2016-11-03 2 55 42 i五、缺失值的简单补齐
> library(readxl)> data <- read_excel('data.xlsx')> data# A tibble: 8 × 2 type num 1 a 752 b 723 664 a NA5 c 696 b 657 a 728 c NA 从上面的数据中，我们可以看到类型与数值都存在缺失值。对于类型的缺失值，我们选择众数替换，对于数值型的缺失值，我们选择均值替换（也可选择中位数等，视具体情况而定）
> num_mean <- mean(data$num, na.rm = TRUE)> type_mode <- as.character(data$type[which.max(table(data$type))])> data <- replace_na(data = data, replace = list(num = num_mean, + type = type_mode))> data# A tibble: 8 × 2 type num1 a 75.000002 b 72.000003 a 66.000004 a 69.833335 c 69.000006 b 65.000007 a 72.000008 c 69.83333
感谢各位的阅读，以上就是"R语言的tidyr包怎么用"的内容了，经过本文的学习后，相信大家对R语言的tidyr包怎么用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！
