打赏

如何用R来处理数据表的长宽转换(图文详解)

 

 

 不多说,直接上干货!

 

 

  很多地方都需用到这个知识点,比如Tableau里。   通常可以采取如python 和 r来作为数据处理的前期。

Tableau学习系列之Tableau如何通过数据透视表方式读取数据文件(图文详解)

如何用Python来处理数据表的长宽转换(图文详解)

 

 

 

 

  数据长宽转换是很常用的需求,特别是当是从Excel中导入的汇总表时,常常需要转换成一维表(长数据)才能提供给图表函数或者模型使用。

 

在R语言中,提供数据长宽转换的包主要有两个:

  • reshape2::melt/dcast
  • tidyr::gather/spread

 

library("reshape2")
library("tidyr")

 

mydata<-data.frame(
       Name = c("苹果","谷歌","脸书","亚马逊","腾讯"),
       Conpany = c("Apple","Google","Facebook","Amozon","Tencent"),
       Sale2013 = c(5000,3500,2300,2100,3100),
       Sale2014 = c(5050,3800,2900,2500,3300),
       Sale2015 = c(5050,3800,2900,2500,3300),
       Sale2016 = c(5050,3800,2900,2500,3300)
       )

 

 

 

 

 

 

 

 

 

 

数据重塑(宽转长):

  melt函数是reshape2包中的数据宽转长的函数

mydata<-melt(
       mydata,                       #待转换的数据集名称
       id.vars=c("Conpany","Name"),  #要保留的主字段
       variable.name="Year",         #转换后的分类字段名称(维度)
       value.name="Sale"             #转换后的度量值名称
       )

    转换之后,长数据结构保留了原始宽数据中的Name、Conpany字段,同时将剩余的年度指标进行堆栈,转换为一个代表年度的类别维度和对应年度的指标。(即转换后,所有年度字段被降维化了)。

 

 

 

 

 1、在tidyr包中的gather也可以非常快捷的完成宽转长的任务:

data1<-gather(
      data=mydata,      #待转换的数据集名称
      key="Year",       #转换后的分类字段名称(维度)
      value="Sale" ,    #转换后的度量值名称
      Sale2013:Sale2016 #选择将要被拉长的字段组合
      )               #(可以使用x:y的格式选择连续列,也可以以-z的格式排除主字段)

 

  而相对于数据宽转长而言,数据长转宽就显得不是很常用,因为长转宽是数据透视,这种透视过程可以通过汇总函数或者类数据透视表函数来完成。

  但是既然数据长宽转换是成对的需求,自然有对应的长转宽函数。

 

 

 

 

 

 

 

 

2、reshape2中的dcast函数可以完成数据长转宽的需求:

dcast(
   data=data1,         #数据集名称
   Name+Conpany~Year   #x1+x2+……~class 
   #这一项是一个转换表达式,表达式左侧列       
   #出要保留的主字段(即不会被扩宽的字段,右侧则是要分割的分类变量,扩展之后的       
   #宽数据会增加若干列度量值,列数等于表达式右侧分类变量的类别个数
  )

 

 

 

 

 

除此之外,tidyr包中的spread函数在解决数据长转宽方面也是很好的一个选择。

  spread:

spread(
   data=data1,   #带转换长数据框名称
   key=Year,     #带扩宽的类别变量(编程新增列名称)  
   value=Sale)   #带扩宽的度量值 (编程新增列度量值)

 

 

 

 

 

 

    从以上代码的复杂度来看,reshape2内的两个函数melt\dcast和tidyr内的两个函数gather\spread相比,gather\spread这一对函数完胜,不愧是哈神的最新力作,tidyr内的两个函数所需参数少,逻辑上更好理解,自始至终都围绕着data,key、value三个参数来进行设定,而相对老旧的包reshape2内的melt\dcast函数在参数配置上就显得不是很友好,他是围绕着一直不变的主字段来进行设定的,tidyr包则围绕着转换过程中会变形的维度和度量来设定的。

 

 

 

 

 

 

 

 

 

欢迎大家,加入我的微信公众号:大数据躺过的坑        人工智能躺过的坑
 
 
 

同时,大家可以关注我的个人博客

   http://www.cnblogs.com/zlslch/   和     http://www.cnblogs.com/lchzls/      http://www.cnblogs.com/sunnyDream/   

   详情请见:http://www.cnblogs.com/zlslch/p/7473861.html

 

  人生苦短,我愿分享。本公众号将秉持活到老学到老学习无休止的交流分享开源精神,汇聚于互联网和个人学习工作的精华干货知识,一切来于互联网,反馈回互联网。
  目前研究领域:大数据、机器学习、深度学习、人工智能、数据挖掘、数据分析。 语言涉及:Java、Scala、Python、Shell、Linux等 。同时还涉及平常所使用的手机、电脑和互联网上的使用技巧、问题和实用软件。 只要你一直关注和呆在群里,每天必须有收获

 

      对应本平台的讨论和答疑QQ群:大数据和人工智能躺过的坑(总群)(161156071) 

 

 

 

 

 

 

 

 

 

 

 

 

posted @ 2018-03-25 14:48 大数据和AI躺过的坑 阅读(...) 评论(...) 编辑 收藏