跳到主要内容

R的tidyr包

在数据科学中，数据整理（Data Wrangling）是一个至关重要的步骤。R语言中的tidyr包是一个强大的工具，专门用于数据整理和转换。它可以帮助你将数据从“宽格式”转换为“长格式”，或者反之，从而使数据更适合分析和可视化。

什么是tidyr包？​

tidyr包是由Hadley Wickham开发的，旨在简化数据整理的过程。它提供了一系列函数，用于处理数据框（data frames）中的列和行，使其更易于分析和可视化。tidyr包的核心思想是“整洁数据”（Tidy Data），即每列代表一个变量，每行代表一个观察值。

安装和加载tidyr包​

在开始使用tidyr之前，你需要先安装并加载它。你可以通过以下命令来完成：

r
install.packages("tidyr")
library(tidyr)

核心函数​

tidyr包提供了几个核心函数，用于数据整理。以下是其中一些最常用的函数：

1. gather() 和 pivot_longer()​

gather()函数用于将数据从宽格式转换为长格式。它将多个列“聚集”到一个键值对中。pivot_longer()是gather()的现代替代品，功能更强大且更灵活。

r
# 示例数据
wide_data <- data.frame(
  country = c("USA", "China", "India"),
  `2020` = c(330, 1400, 1380),
  `2021` = c(332, 1410, 1390)
)

# 使用gather()将宽格式转换为长格式
long_data <- gather(wide_data, key = "year", value = "population", -country)
print(long_data)

输出：

  country year population
1     USA 2020        330
2   China 2020       1400
3   India 2020       1380
4     USA 2021        332
5   China 2021       1410
6   India 2021       1390

2. spread() 和 pivot_wider()​

spread()函数用于将数据从长格式转换为宽格式。它将键值对“展开”为多个列。pivot_wider()是spread()的现代替代品。

r
# 使用spread()将长格式转换为宽格式
wide_data_again <- spread(long_data, key = "year", value = "population")
print(wide_data_again)

输出：

  country 2020 2021
1   China 1400 1410
2   India 1380 1390
3     USA  330  332

3. separate() 和 unite()​

separate()函数用于将一列拆分为多列，而unite()函数则用于将多列合并为一列。

r
# 示例数据
data <- data.frame(
  name = c("John_Doe", "Jane_Doe"),
  age = c(28, 34)
)

# 使用separate()将name列拆分为first_name和last_name
separated_data <- separate(data, name, into = c("first_name", "last_name"), sep = "_")
print(separated_data)

输出：

  first_name last_name age
1       John       Doe  28
2       Jane       Doe  34
r
# 使用unite()将first_name和last_name合并为full_name
united_data <- unite(separated_data, "full_name", first_name, last_name, sep = " ")
print(united_data)

输出：

  full_name age
1  John Doe  28
2  Jane Doe  34

实际案例​

假设你有一份销售数据，其中包含不同产品在不同季度的销售额。数据格式如下：

r
sales_data <- data.frame(
  product = c("A", "B", "C"),
  Q1 = c(100, 150, 200),
  Q2 = c(110, 160, 210),
  Q3 = c(120, 170, 220),
  Q4 = c(130, 180, 230)
)

你可以使用pivot_longer()将数据转换为长格式，以便更容易进行分析和可视化：

r
long_sales_data <- pivot_longer(sales_data, cols = starts_with("Q"), names_to = "quarter", values_to = "sales")
print(long_sales_data)

输出：

  product quarter sales
1       A      Q1   100
2       B      Q1   150
3       C      Q1   200
4       A      Q2   110
5       B      Q2   160
6       C      Q2   210
7       A      Q3   120
8       B      Q3   170
9       C      Q3   220
10      A      Q4   130
11      B      Q4   180
12      C      Q4   230

总结​

tidyr包是R语言中一个非常强大的数据整理工具，特别适合处理复杂的数据结构。通过gather()、spread()、separate()和unite()等函数，你可以轻松地将数据从一种格式转换为另一种格式，从而为后续的分析和可视化做好准备。

提示

如果你对tidyr包感兴趣，可以进一步学习dplyr包，它与tidyr包结合使用可以极大地提高数据整理的效率。

附加资源​

练习​

  1. 使用pivot_longer()将以下数据从宽格式转换为长格式：
r
data <- data.frame(
  city = c("New York", "Los Angeles"),
  Jan = c(100, 200),
  Feb = c(150, 250),
  Mar = c(200, 300)
)
  1. 使用separate()将以下数据中的date列拆分为year、month和day列：
r
data <- data.frame(
  event = c("Conference", "Workshop"),
  date = c("2023-10-15", "2023-11-20")
)

通过完成这些练习，你将更好地掌握tidyr包的使用方法。