2025年R 中几个常见的数据重塑函数

科技前沿 • 2025-02-24 12:48 • 阅读 32

大家好，我是讯享网，很高兴认识大家。

Data Cleaning functions

以下是整理数据的四个常用的函数:

gather(): 将数据从横向转换为纵向(不是装置)
spread(): 将数据从纵向转换为横向
separate(): 将一个变量分解为两个变量
unit(): 将两个变量合并为一个变量

如果没有安装tidyr，输入以下命令进行安装

install.packages("tidyr")

讯享网

gather()

讯享网gather(data, key, value, na.rm = FALSE) 参数: -data: 数据集 -key: 新创建列的名称 -value: 选择用来填充关键列的列 -na.rm: 删除缺失的值. 默认为FALSE

如图，我们想要创建一个名为growth的列，由quarter变量的值填充。

讯享网

library(tidyr) #生成示例数据 messy <- data.frame(   country = c("A", "B", "C"),   q1_2017 = c(0.03, 0.05, 0.01),   q2_2017 = c(0.05, 0.07, 0.02),   q3_2017 = c(0.04, 0.05, 0.01),   q4_2017 = c(0.03, 0.02, 0.04)) messy

讯享网> messy   country q1_2017 q2_2017 q3_2017 q4_2017 1       A    0.03    0.05    0.04    0.03 2       B    0.05    0.07    0.05    0.02 3       C    0.01    0.02    0.01    0.04

#整理数据 tidier <-messy %>% #管道符可以让代码更简洁 gather(quarter, growth, q1_2017:q4_2017) tidier

讯享网> tidier    country quarter growth 1        A q1_2017   0.03 2        B q1_2017   0.05 3        C q1_2017   0.01 4        A q2_2017   0.05 5        B q2_2017   0.07 6        C q2_2017   0.02 7        A q3_2017   0.04 8        B q3_2017   0.05 9        C q3_2017   0.01 10       A q4_2017   0.03 11       B q4_2017   0.02 12       C q4_2017   0.04

spread()

spread() 的作用和gather正好相反.

spread(data, key, value) 参数:  data: 数据集 key: 需要变成横向的列 value: 填充新列的行

我们可以使用spread()将整洁的数据集重塑为凌乱的。

讯享网# 重塑数据 messy_1 <- tidier %>%   spread(quarter, growth)  messy_1

   country q1_2017 q2_2017 q3_2017 q4_2017  1       A    0.03    0.05    0.04    0.03  2       B    0.05    0.07    0.05    0.02  3       C    0.01    0.02    0.01    0.04

separate()

separate()的作用是:根据分隔符将一列分成两列。比如，我们的分析需要关注月和年，我们就可以把这个列分成两个新变量。

Syntax:

讯享网separate(data, col, into, sep= "", remove = TRUE) 参数: -data: 数据集 -col: 需要分隔的列 -into: 新变量的名称 -sep: 用于分隔变量的符号,i.e.:  "-", "_", "&" -remove: 删除旧列. 默认为TRUE.

separate_tidier <-tidier %>% separate(quarter, c("Qrt", "year"), sep ="_") head(separate_tidier)

讯享网   country Qrt year growth  1       A  q1 2017   0.03  2       B  q1 2017   0.05  3       C  q1 2017   0.01  4       A  q2 2017   0.05  5       B  q2 2017   0.07  6       C  q2 2017   0.02

unite()

unite() 则是将两列合并为一列。

Syntax:

unit(data, col, conc ,sep= "", remove = TRUE) 参数: -data: 数据集 -col: 新列的名称 -conc: 需要合并的列明 -sep: 用于连接变量的符号, i.e:  "-", "_", "&" -remove: 删除旧列. 默认为TRUE.

讯享网unit_tidier <- separate_tidier %>%   unite(Quarter, Qrt, year, sep ="_") head(unit_tidier)

output:

   country Quarter growth  1       A q1_2017   0.03  2       B q1_2017   0.05  3       C q1_2017   0.01  4       A q2_2017   0.05  5       B q2_2017   0.07  6       C q2_2017   0.02

Summary

Function	Objectives	Arguments
gather()	Transform the data from wide to long	(data, key, value, na.rm = FALSE)
spread()	Transform the data from long to wide	(data, key, value)
separate()	Split one variables into two	(data, col, into, sep= "", remove = TRUE)
unit()	Unit two variables into one	(data, col, conc ,sep= "", remove = TRUE)

往期文章

apply | R中函数的简单循环
aggregate | 在R中进行分组统计
R 中几个常见的合并数据集方法