如何用R来处理数据表的长宽转换（图文详解）

 

 

　不多说，直接上干货！

 

 

　　很多地方都需用到这个知识点，比如Tableau里。   通常可以采取如python 和 r来作为数据处理的前期。

Tableau学习系列之Tableau如何通过数据透视表方式读取数据文件（图文详解）

如何用Python来处理数据表的长宽转换（图文详解）

 

 

 

 

　　数据长宽转换是很常用的需求，特别是当是从Excel中导入的汇总表时，常常需要转换成一维表（长数据）才能提供给图表函数或者模型使用。

 

在R语言中，提供数据长宽转换的包主要有两个：

• reshape2::melt/dcast
• tidyr::gather/spread

 

library("reshape2")
library("tidyr")

 

mydata<-data.frame(
       Name = c("苹果","谷歌","脸书","亚马逊","腾讯"),
       Conpany = c("Apple","Google","Facebook","Amozon","Tencent"),
       Sale2013 = c(5000,3500,2300,2100,3100),
       Sale2014 = c(5050,3800,2900,2500,3300),
       Sale2015 = c(5050,3800,2900,2500,3300),
       Sale2016 = c(5050,3800,2900,2500,3300)
       )

 

 

 

 

 

 

 

 

 

 

数据重塑（宽转长）：

　　melt函数是reshape2包中的数据宽转长的函数

mydata<-melt(
       mydata,                       #待转换的数据集名称
       id.vars=c("Conpany","Name"),  #要保留的主字段
       variable.name="Year",         #转换后的分类字段名称（维度）
       value.name="Sale"             #转换后的度量值名称
       )

　　　　转换之后，长数据结构保留了原始宽数据中的Name、Conpany字段，同时将剩余的年度指标进行堆栈，转换为一个代表年度的类别维度和对应年度的指标。（即转换后，所有年度字段被降维化了）。

 

 

 

 

 1、在tidyr包中的gather也可以非常快捷的完成宽转长的任务：

data1<-gather(
      data=mydata,      #待转换的数据集名称
      key="Year",       #转换后的分类字段名称（维度）
      value="Sale" ,    #转换后的度量值名称
      Sale2013:Sale2016 #选择将要被拉长的字段组合
      )               #（可以使用x:y的格式选择连续列，也可以以-z的格式排除主字段）

 

　　而相对于数据宽转长而言，数据长转宽就显得不是很常用，因为长转宽是数据透视，这种透视过程可以通过汇总函数或者类数据透视表函数来完成。

　　但是既然数据长宽转换是成对的需求，自然有对应的长转宽函数。

 

 

 

 

 

 

 

 

2、reshape2中的dcast函数可以完成数据长转宽的需求：

dcast(
   data=data1,         #数据集名称
   Name+Conpany~Year   #x1+x2+……~class 
   #这一项是一个转换表达式，表达式左侧列       
   #出要保留的主字段（即不会被扩宽的字段，右侧则是要分割的分类变量，扩展之后的       
   #宽数据会增加若干列度量值，列数等于表达式右侧分类变量的类别个数
  ）

 

 

 

 

 

除此之外，tidyr包中的spread函数在解决数据长转宽方面也是很好的一个选择。

　　spread：

spread(
   data=data1,   #带转换长数据框名称
   key=Year,     #带扩宽的类别变量（编程新增列名称）  
   value=Sale)   #带扩宽的度量值 （编程新增列度量值）

 

 

 

 

 

 

　　　　从以上代码的复杂度来看，reshape2内的两个函数melt\dcast和tidyr内的两个函数gather\spread相比，gather\spread这一对函数完胜，不愧是哈神的最新力作，tidyr内的两个函数所需参数少，逻辑上更好理解，自始至终都围绕着data，key、value三个参数来进行设定，而相对老旧的包reshape2内的melt\dcast函数在参数配置上就显得不是很友好，他是围绕着一直不变的主字段来进行设定的，tidyr包则围绕着转换过程中会变形的维度和度量来设定的。

 

 

 

 

 

 

 

 

 

欢迎大家，加入我的微信公众号：大数据躺过的坑        人工智能躺过的坑

 

 

 

同时，大家可以关注我的个人博客：

   http://www.cnblogs.com/zlslch/   和     http://www.cnblogs.com/lchzls/      http://www.cnblogs.com/sunnyDream/   

   详情请见：http://www.cnblogs.com/zlslch/p/7473861.html

 

　　人生苦短，我愿分享。本公众号将秉持活到老学到老学习无休止的交流分享开源精神，汇聚于互联网和个人学习工作的精华干货知识，一切来于互联网，反馈回互联网。
　　目前研究领域：大数据、机器学习、深度学习、人工智能、数据挖掘、数据分析。 语言涉及：Java、Scala、Python、Shell、Linux等 。同时还涉及平常所使用的手机、电脑和互联网上的使用技巧、问题和实用软件。 只要你一直关注和呆在群里，每天必须有收获

 

      对应本平台的讨论和答疑QQ群：大数据和人工智能躺过的坑（总群）（161156071）