reshape.jpg
Data Cleaning functions
以下是整理数据的四个重要功能:
gather(): 将数据从横向转换为纵向(不是装置)spread(): 将数据从纵向转换为横向separate(): 将一个变量分解为两个变量unit(): 将两个变量合并为一个变量
如果没有安装tidyr，输入以下命令进行安装
install.packages("tidyr")
gather()
gather(data, key, value, na.rm = FALSE)
参数:
-data: 数据集
-key: 新创建列的名称
-value: 选择用来填充关键列的列
-na.rm: 删除缺失的值. 默认为FALSE
如图，我们想要创建一个名为growth的列，由quarter变量的值填充。
210510_6
library(tidyr)
#生成示例数据
messy <- data.frame(
country = c("A", "B", "C"),
q1_2017 = c(0.03, 0.05, 0.01),
q2_2017 = c(0.05, 0.07, 0.02),
q3_2017 = c(0.04, 0.05, 0.01),
q4_2017 = c(0.03, 0.02, 0.04))
messy
> messy
country q1_2017 q2_2017 q3_2017 q4_2017
1 A 0.03 0.05 0.04 0.03
2 B 0.05 0.07 0.05 0.02
3 C 0.01 0.02 0.01 0.04
#整理数据
tidier <-messy %>% #管道符可以让代码更简洁
gather(quarter, growth, q1_2017:q4_2017)
tidier
> tidier
country quarter growth
1 A q1_2017 0.03
2 B q1_2017 0.05
3 C q1_2017 0.01
4 A q2_2017 0.05
5 B q2_2017 0.07
6 C q2_2017 0.02
7 A q3_2017 0.04
8 B q3_2017 0.05
9 C q3_2017 0.01
10 A q4_2017 0.03
11 B q4_2017 0.02
12 C q4_2017 0.04
spread()
spread() 的作用和gather正好相反.
spread(data, key, value)
参数:
data: 数据集
key: 需要变成横向的列
value: 填充新列的行
我们可以使用spread()将整洁的数据集重塑为凌乱的。
# 重塑数据
messy_1 <- tidier %>%
spread(quarter, growth)
messy_1
## country q1_2017 q2_2017 q3_2017 q4_2017
## 1 A 0.03 0.05 0.04 0.03
## 2 B 0.05 0.07 0.05 0.02
## 3 C 0.01 0.02 0.01 0.04
separate()
separate()的作用是:根据分隔符将一列分成两列。比如，我们的分析需要关注月和年，我们就可以把这个列分成两个新变量。
Syntax:
separate(data, col, into, sep= "", remove = TRUE)
参数:
-data: 数据集
-col: 需要分隔的列
-into: 新变量的名称
-sep: 用于分隔变量的符号,i.e.: "-", "_", "&"
-remove: 删除旧列. 默认为TRUE.
separate_tidier <-tidier %>%
separate(quarter, c("Qrt", "year"), sep ="_")
head(separate_tidier)
## country Qrt year growth
## 1 A q1 2017 0.03
## 2 B q1 2017 0.05
## 3 C q1 2017 0.01
## 4 A q2 2017 0.05
## 5 B q2 2017 0.07
## 6 C q2 2017 0.02
unite()
unite() 则是将两列合并为一列。
Syntax:
unit(data, col, conc ,sep= "", remove = TRUE)
参数:
-data: 数据集
-col: 新列的名称
-conc: 需要合并的列明
-sep: 用于连接变量的符号, i.e: "-", "_", "&"
-remove: 删除旧列. 默认为TRUE.
unit_tidier <- separate_tidier %>%
unite(Quarter, Qrt, year, sep ="_")
head(unit_tidier)
output:
## country Quarter growth
## 1 A q1_2017 0.03
## 2 B q1_2017 0.05
## 3 C q1_2017 0.01
## 4 A q2_2017 0.05
## 5 B q2_2017 0.07
## 6 C q2_2017 0.02
Summary
| Function | Objectives | Arguments |
|---|---|---|
| gather() | Transform the data from wide to long | (data, key, value, na.rm = FALSE) |
| spread() | Transform the data from long to wide | (data, key, value) |
| separate() | Split one variables into two | (data, col, into, sep= "", remove = TRUE) |
| unit() | Unit two variables into one | (data, col, conc ,sep= "", remove = TRUE) |
