【数据处理】reshape2包

https://zhuanlan.zhihu.com/p/22249895?refer=rdatamining

前言

reshape2是又一个用来做数据处理的拓展包，用于实现宽格式数据与长格式数据之间的互转。如果你熟悉结构化数据库查询，那么你一定知道列转行与行转列，宽长数据之间互转与之类似；如果你不熟悉的也没关系，它很简单，接着往下看你就能很快熟悉并掌握了。首先我们通过一个数据集来解释什么是长宽数据。

一、宽数据与长数据

1. 宽数据

定义：每一列为一个观测变量，每一行为变量对应的观测值。

#   ozone   wind  temp
# 1 23.62 11.623 65.55
# 2 29.44 10.267 79.10
# 3 59.12  8.942 83.90
# 4 59.96  8.794 83.97

2. 长数据

定义：一列就包含了所有的变量，而另一行则是与之相关的值(长数据不一定只有两列)。

#    variable  value
# 1     ozone 23.615
# 2     ozone 29.444
# 3      wind 11.623
# 4      wind 10.267
# 5      temp 65.548
# 6      temp 79.100

二、reshape2包

在reshape2包中，我们用得比较多的是melt和cast两个函数。

melt函数：对宽数据进行处理，得到长数据；
cast函数：对长数据进行处理，得到宽数据。

1. melt()函数

调用公式：

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

（1）默认情况下，melt认为所有数值列的变量均有值，此处使用R内置数据集 'iris'

 data1 <- melt(iris)
 head(iris)

Species     variable value
1  setosa Sepal.Length   5.1
2  setosa Sepal.Length   4.9
3  setosa Sepal.Length   4.7
4  setosa Sepal.Length   4.6
5  setosa Sepal.Length   5.0
6  setosa Sepal.Length   5.4

（2）加入识别指标[id.vars = ]，R会根据id.vars进行数据整理，即除去指标中指定的变量，其他数据都被进行了变形。此处使用R内置数据集'airquality'

数据转换目的：得到每个月(Month)以及每天(Day)的Ozone, Solar.R, Wind以及Temp的值。

 data2 <- melt(airquality,id.vars = c("Month","Day"))
 head(data2)

  Month Day variable value
1     5   1    Ozone    41
2     5   2    Ozone    36
3     5   3    Ozone    12
4     5   4    Ozone    18
5     5   5    Ozone    NA
6     5   6    Ozone    28

（3）观测值的变量 [mearsure.vars = ]，变量名和数值各占一列

 data6 <- melt(iris,measure.vars = "Species")
 head(data6，3)

  Sepal.Length Sepal.Width Petal.Length Petal.Width variable  value
1          5.1         3.5          1.4         0.2  Species setosa
2          4.9         3.0          1.4         0.2  Species setosa
3          4.7         3.2          1.3         0.2  Species setosa
# 指定了'Species'列为观测对象，则变量名占一列，具体值占一列

2. cast()函数

cast()函数的运用并没有melt()直观，在reshape2中有好几个cast版本的函数：

对于data.frame格式的数据，需要使用dcast()函数。
对于向量、矩阵或者数组格式的数据，需要使用acast()函数。

由于在平常的数据处理上，我们更多的使用格式为'dataframe'的数据，因此我们重点讲解dcast()函数的使用。

（1） dcast() 调用公式：

dcast(data, formula, fun.aggregate = NULL)

dcast借助于公式来描述数据的形状，左边参数表示"ID variables"，而右边的参数表示measured variables。可能需要几次尝试，才能找到合适的公式。此处使用上文已经过melt转换后的数据集'data2'

数据转换目的：在一行上展示所有Month和Day组合下的Ozone、Solar.R、Wind和Temp值

 data3 <- dcast(data2,Month + Day ~ variable)
 head(data3)

（2）上文中，我们指定Month和Day为'ID Variables'，得到重铸后的数据集，但如果只指定Month一个变量，而由于Day变量的存在，新的数据集无法展现所有的数据（Day不唯一）R会报错，为此，我们需要聚合（aggregate）这些数据，包括mean()、median()、sum()等

 data4 <- dcast(data2,Month ~ variable,fun.aggregate = mean,na.rm=TRUE)

# 分别得到各月各个特征的均值
> data4
  Month    Ozone  Solar.R      Wind     Temp
1     5 23.61538 181.2963 11.622581 65.54839
2     6 29.44444 190.1667 10.266667 79.10000
3     7 59.11538 216.4839  8.941935 83.90323
4     8 59.96154 171.8571  8.793548 83.96774
5     9 31.44828 167.4333 10.180000 76.90000

（3）fun函数也可以自行编写（自编函数）

# 查看缺失值
  find_null <- function(x){
   return(sum(is.na(x)))}
 data5 <- dcast(data2,Month~variable,find_null)

> data5
  Month Ozone Solar.R Wind Temp
1     5     5       4    0    0
2     6    21       0    0    0
3     7     5       0    0    0
4     8     5       3    0    0
5     9     1       0    0    0

附学习文档：

关于R语言请关注专栏：R语言与数据挖掘 - 知乎专栏

欲加入R语言交流群，请搜索公众号“如临春风”，回复“R语言”或“r语言”即可获取二维码信息。