R语言学习 第十三篇:利用reshape2包重塑数据

当前位置:首页皇家国际官网网址 >

皇家国际官网网址

R语言学习 第十三篇:利用reshape2包重塑数据

时间:2019-06-13本站浏览次数:414

       

数据重塑通常使用reshape2包,reshape2包用于实现对宽数据及长数据之间的相互转换,由于reshape2包不在R的默认安装包列表中,在第一次使用之前,需要安装和引用:

install.packages("reshape2")library(reshape2)

重塑数据,首先把数据融合(melt),以使每一行都有唯一的标识-变量组合,然后把数据重塑(cast)为想要的任何形状。在重塑过程中,可以使用任何函数对数据进行整合,也可以把长格式转换为宽格式,这种操作类似于Excel的透视和逆透视。

一,认识宽数据

创建示例数据,这种数据显示叫做数据的宽格式,也叫做宽数据

> ID <- c(1,1,2,2)> Time <- c(1,2,1,2)> X1 <- c(5,3,6,2)> X2 <-c(6,5,1,4)> mydata <- data.frame(ID,Time,X1,X2)

宽格式的数据如下图所示,ID和Time的组合是唯一的,X1和X2是该行的观测变量值:

ID Time X1 X21 1 1 5 62 1 2 3 53 2 1 6 14 2 2 2 4

二,融合数据

数据集的融合是指把数据集重构为特定的格式:每个观测变量独占一行,每行都有唯一确定每个观测所需要的标识变量,我们使用melt()函数来融合数据框:

melt(data,id.vars,measure.vars,variable.name="variable",...,na.rm=FALSE,value.name="value",factorAsStrings=TRUE)

参数注释:

data:融合的数据框id.vars:由标识变量构成的向量,用于标识观测的变量measure.vars :由观测变量构成的向量variable.name:用于保存原始变量名的变量的名称value.name:用于保存原始值的名称

示例,标识变量是ID和Time,X1和X2作为观测变量:

md <- melt(mydata,id=c("ID","Time"),measure=c("X1","X2"))

数据融合之后,变成所谓的长格式,也称作长数据:

ID Time variable value1 1 1 X1 52 1 2 X1 33 2 1 X1 64 2 2 X1 25 1 1 X2 66 1 2 X2 57 2 1 X2 18 2 2 X2 4

注意:必须指定唯一确定每个观测所需的变量(ID和Time),而表示观测变量名的变量(X1和X2)由程序自动创建,从结果中可以看出,函数自动创建了两个变量:variable和value,这两个变量名称是默认的,这可以在melt()函数中,通过参数 variable.name="new_variable_name"和 value.name="new_value_name"来自定义。

md <- melt(mydata,id=c("ID","Time"),measure=c("X1","X2"),variable.name = "MeasuredVariable",value.name = "IntValue")

三,重塑数据

dcast()函数用于读取已融合的数据框(d是指data frame),并使用formula和用于整合数据的函数把数据集重塑,

dcast(data, formula, fun.aggregate = NULL, ..., margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data))

参数注释:

data:已融合的数据框formula:用于指定输出的结果集格式fun.aggregate:用于指定聚合函数,对已聚合的数据执行聚合运算margins:相当于透视表中的行总计和列总计subset:选取满足一些特定值的数据,相当于Excel透视表的筛选。例如, subset =.(variable ==“length”)

参数formula的格式是:

rowvar1 + rowvar2 +... ~ colvar1 + colvar2 +...

在该公式中,rowvar 定义了保留的变量名,以唯一确定各行的内容;colvar定义了需要重塑的变量名,以确定各列的值。重塑的含义是:按照rowvar,展开colvar,对value进行聚合运算(当fun.aggregate为聚合函数时)。

1,展开colvar

展开colvar的过程,实际上是把列值转换为列名称的过程,这种展开操作是由formula参数决定的。

重塑操作中的特例是数据融合的逆操作,把数据的长格式转化为数据的宽格式,即,把已融合的数据转换为原始数据格式,对于这种操作,formula参数的格式是固定的:标识变量~variable。

> dcast(md,ID+Time~variable) ID Time X1 X21 1 1 5 62 1 2 3 53 2 1 6 14 2 2 2 4

2,对观测变量进行聚合运算

按照ID,计算观测变量的平均值:

> dcast(md,ID~variable,mean) ID X1 X21 1 4 5.52 2 4 2.5

这种操作,类似于分组聚合:按照ID进行分组,分别计算变量X1和X2的聚合值。

3,添加总计列

计算按照ID分组的X1和X2的均值,并对重塑的结果按照ID计算各列均值,按照X1和X2计算各行的均值。

> dcast(md,ID~variable,mean,margins = c("ID","variable")) ID X1 X2 (all)1 1 4 5.5 4.752 2 4 2.5 3.253 (all) 4 4.0 4.00

计算的过程是:

按照ID计算各列的均值: X1的值是(5.5+2.5)/2=4

按照变量计算各行的均值:第一行的均值是 (4+5.5)/2=4.75

 

参考文档:

利用reshape2包进行数据逆透视和数据透视




公司地址:济宁市任城区
联系人:莫春宁 13613953705
王荣春 13598630338
电话:15553077082 传真:6sbipqek@162.com
邮箱:m7itw@msn.com

粤公网安备 44030702001579号

皇家国际体育网址@