R語言數據重塑

R中的數據重整是關於將數據組織成行和列的方式。 R中的大多數時間數據處理是通過將輸入數據作爲數據幀來完成的。 很容易從數據幀的行和列中提取數據,但是有些情況下,我們需要的格式與收到的格式不同。 R具有許多函數,用於在數據幀中拆分,合併和更改行到列,反之亦然。

在數據框中連接列和行

我們可以使用cbind()函數連接多個向量來創建數據幀。也可以使用rbind()函數合併兩個數據幀。

# 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)

當我們執行上述代碼時,會產生以下結果 -

# # # # 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

合併數據幀

可以使用merge()函數合併兩個數據幀。數據幀必須具有相同的列名稱,合併發生。

在下面的例子中,我們考慮了Pima印度婦女的糖尿病數據庫,可以在名稱爲「MASS」的庫中找到。 我們根據血壓值(「bp」)和體重指數(「bmi」)合併兩個數據集。 在選擇這兩列進行合併時,這兩個變量的值在兩個數據集中匹配的記錄被組合在一起以形成單個數據幀。參考以下代碼實現 -

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)

當我們執行上述代碼時,會產生以下結果 -

 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

拆分數據和重構數據

R編程最有趣的一個方面是在多個步驟中改變數據的形狀以獲得所需的形狀。 用於執行此操作的函數稱爲melt()cast()

考慮使用「MASS」庫中存在的數據集。

library(MASS)
print(ships)

當我們執行上述代碼時,會產生以下結果 -

     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
............
............

拆分數據

現在,我們將數據融合到一起,將除了類型和年份之外的所有列轉爲行 -

molten.ships <- melt(ships, id = c("type","year"))
print(molten.ships)

當我們執行上述代碼時,會產生以下結果 -

      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
...........
...........

重構數據

我們可以將拆分的數據轉換爲一種新形式,使用cast()函數創建每年每種類型的船的總和。

recasted.ship <- cast(molten.ships, type+year~variable,sum)
print(recasted.ship)

當我們執行上述代碼時,會產生以下結果 -

     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