R语言数据重塑
精华
小牛编辑
178浏览
2023-03-14
R中的数据重整是关于将数据组织成行和列的方式。 R中的大多数时间数据处理是通过将输入数据作为数据帧来完成的。 很容易从数据帧的行和列中提取数据，但是有些情况下，我们需要的格式与收到的格式不同。 R具有许多函数，用于在数据帧中拆分，合并和更改行到列，反之亦然。
在数据框中连接列和行
我们可以使用cbind()函数连接多个向量来创建数据帧。也可以使用rbind()函数合并两个数据帧。
# Create vector objects.
city <- c("Tampa","Seattle","Hartford","Denver")
state <- c("FL","WA","CT","CO")
zipcode <- c(33602,98104,06161,80294)
# Combine above three vectors into one data frame.
addresses <- cbind(city,state,zipcode)
# Print a header.
cat("# # # # The First data frame\n")
# Print the data frame.
print(addresses)
# Create another data frame with similar columns
new.address <- data.frame(
city = c("Lowry","Charlotte"),
state = c("CO","FL"),
zipcode = c("80230","33949"),
stringsAsFactors = FALSE
)
# Print a header.
cat("# # # The Second data frame\n")
# Print the data frame.
print(new.address)
# Combine rows form both the data frames.
all.addresses <- rbind(addresses,new.address)
# Print a header.
cat("# # # The combined data frame\n")
# Print the result.
print(all.addresses)
当我们执行上述代码时，会产生以下结果 -
# # # # The First data frame
city state zipcode
[1,] "Tampa" "FL" "33602"
[2,] "Seattle" "WA" "98104"
[3,] "Hartford" "CT" "6161"
[4,] "Denver" "CO" "80294"
# # # The Second data frame
city state zipcode
1 Lowry CO 80230
2 Charlotte FL 33949
# # # The combined data frame
city state zipcode
1 Tampa FL 33602
2 Seattle WA 98104
3 Hartford CT 6161
4 Denver CO 80294
5 Lowry CO 80230
6 Charlotte FL 33949
合并数据帧
可以使用merge()函数合并两个数据帧。数据帧必须具有相同的列名称，合并发生。
在下面的例子中，我们考虑了Pima印度妇女的糖尿病数据库，可以在名称为“MASS”的库中找到。 我们根据血压值(“bp”)和体重指数(“bmi”)合并两个数据集。 在选择这两列进行合并时，这两个变量的值在两个数据集中匹配的记录被组合在一起以形成单个数据帧。参考以下代码实现 -
library(MASS)
merged.Pima <- merge(x = Pima.te, y = Pima.tr,
by.x = c("bp", "bmi"),
by.y = c("bp", "bmi")
)
print(merged.Pima)
nrow(merged.Pima)
当我们执行上述代码时，会产生以下结果 -
npreg.x glu.x skin.x ped.x age.x type.x npreg.y glu.y skin.y
1 60 33.8 1 117 23 0.466 27 No 2 125 20
2 64 29.7 2 75 24 0.370 33 No 2 100 23
3 64 31.2 5 189 33 0.583 29 Yes 3 158 13
4 64 33.2 4 117 27 0.230 24 No 1 96 27
5 66 38.1 3 115 39 0.150 28 No 1 114 36
6 68 38.5 2 100 25 0.324 26 No 7 129 49
7 70 27.4 1 116 28 0.204 21 No 0 124 20
8 70 33.1 4 91 32 0.446 22 No 9 123 44
9 70 35.4 9 124 33 0.282 34 No 6 134 23
10 72 25.6 1 157 21 0.123 24 No 4 99 17
11 72 37.7 5 95 33 0.370 27 No 6 103 32
12 74 25.9 9 134 33 0.460 81 No 8 126 38
13 74 25.9 1 95 21 0.673 36 No 8 126 38
14 78 27.6 5 88 30 0.258 37 No 6 125 31
15 78 27.6 10 122 31 0.512 45 No 6 125 31
16 78 39.4 2 112 50 0.175 24 No 4 112 40
17 88 34.5 1 117 24 0.403 40 Yes 4 127 11
ped.y age.y type.y
1 0.088 31 No
2 0.368 21 No
3 0.295 24 No
4 0.289 21 No
5 0.289 21 No
6 0.439 43 Yes
7 0.254 36 Yes
8 0.374 40 No
9 0.542 29 Yes
10 0.294 28 No
11 0.324 55 No
12 0.162 39 No
13 0.162 39 No
14 0.565 49 Yes
15 0.565 49 Yes
16 0.236 38 No
17 0.598 28 No
拆分数据和重构数据
R编程最有趣的一个方面是在多个步骤中改变数据的形状以获得所需的形状。 用于执行此操作的函数称为melt()和cast()。
考虑使用“MASS”库中存在的数据集。
library(MASS)
print(ships)
当我们执行上述代码时，会产生以下结果 -
type year period service incidents
1 A 60 60 127 0
2 A 60 75 63 0
3 A 65 60 1095 3
4 A 65 75 1095 4
5 A 70 60 1512 6
.............
.............
8 A 75 75 2244 11
9 B 60 60 44882 39
10 B 60 75 17176 29
11 B 65 60 28609 58
............
............
17 C 60 60 1179 1
18 C 60 75 552 1
19 C 65 60 781 0
............
............
拆分数据
现在，我们将数据融合到一起，将除了类型和年份之外的所有列转为行 -
molten.ships <- melt(ships, id = c("type","year"))
print(molten.ships)
当我们执行上述代码时，会产生以下结果 -
type year variable value
1 A 60 period 60
2 A 60 period 75
3 A 65 period 60
4 A 65 period 75
............
............
9 B 60 period 60
10 B 60 period 75
11 B 65 period 60
12 B 65 period 75
13 B 70 period 60
...........
...........
41 A 60 service 127
42 A 60 service 63
43 A 65 service 1095
...........
...........
70 D 70 service 1208
71 D 75 service 0
72 D 75 service 2051
73 E 60 service 45
74 E 60 service 0
75 E 65 service 789
...........
...........
101 C 70 incidents 6
102 C 70 incidents 2
103 C 75 incidents 0
104 C 75 incidents 1
105 D 60 incidents 0
106 D 60 incidents 0
...........
...........
重构数据
我们可以将拆分的数据转换为一种新形式，使用cast()函数创建每年每种类型的船的总和。
recasted.ship <- cast(molten.ships, type+year~variable,sum)
print(recasted.ship)
当我们执行上述代码时，会产生以下结果 -
type year period service incidents
1 A 60 135 190 0
2 A 65 135 2190 7
3 A 70 135 4865 24
4 A 75 135 2244 11
5 B 60 135 62058 68
6 B 65 135 48979 111
7 B 70 135 20163 56
8 B 75 135 7117 18
9 C 60 135 1731 2
10 C 65 135 1457 1
11 C 70 135 2731 8
12 C 75 135 274 1
13 D 60 135 356 0
14 D 65 135 480 0
15 D 70 135 1557 13
16 D 75 135 2051 4
17 E 60 135 45 0
18 E 65 135 1226 14
19 E 70 135 3318 17
20 E 75 135 542 1