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()和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