R 数据重塑
合并数据框
R 语言合并数据框使用 merge() 函数。
merge() 函数语法格式如下:
# S3 方法 merge(x, y, …) # data.frame 的 S3 方法 merge(x, y, by = intersect(names(x), names(y)), by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all, sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE, incomparables = NULL, …)
常用参数说明:
- x, y: 数据框
- by, by.x, by.y:指定两个数据框中匹配列名称,默认情况下使用两个数据框中相同列名称。
- all:逻辑值; all = L 是 all.x = L 和 all.y = L 的简写,L 可以是 TRUE 或 FALSE。
- all.x:逻辑值,默认为 FALSE。如果为 TRUE, 显示 x 中匹配的行,即便 y 中没有对应匹配的行,y 中没有匹配的行用 NA 来表示。
- all.y:逻辑值,默认为 FALSE。如果为 TRUE, 显示 y 中匹配的行,即便 x 中没有对应匹配的行,x 中没有匹配的行用 NA 来表示。
- sort:逻辑值,是否对列进行排序。
merge() 函数和 SQL 的 JOIN 功能很相似:
- Natural join 或 INNER JOIN :如果表中有至少一个匹配,则返回行
- Left outer join 或 LEFT JOIN :即使右表中没有匹配,也从左表返回所有的行
- Right outer join 或 RIGHT JOIN :即使左表中没有匹配,也从右表返回所有的行
- Full outer join 或 FULL JOIN :只要其中一个表中存在匹配,则返回行
实例
df1 = data. frame ( SiteId = c ( 1 : 6 ) , Site = c ( "Google" , "yssmx" , "Taobao" , "Facebook" , "Zhihu" , "Weibo" ) )
# data frame 2
df2 = data. frame ( SiteId = c ( 2 , 4 , 6 , 7 , 8 ) , Country = c ( "CN" , "USA" , "CN" , "USA" , "IN" ) )
# INNER JOIN
df1 = merge ( x = df1,y = df2, by = "SiteId" )
print ( "----- INNER JOIN -----" )
print ( df1 )
# FULL JOIN
df2 = merge ( x = df1,y = df2, by = "SiteId" , all = TRUE )
print ( "----- FULL JOIN -----" )
print ( df2 )
# LEFT JOIN
df3 = merge ( x = df1,y = df2, by = "SiteId" ,all. x = TRUE )
print ( "----- LEFT JOIN -----" )
print ( df3 )
# RIGHT JOIN
df4 = merge ( x = df1,y = df2, by = "SiteId" ,all. y = TRUE )
print ( "----- RIGHT JOIN -----" )
print ( df4 )
执行以上代码输出结果为:
[1] "----- INNER JOIN -----" SiteId Site Country 1 2 yssmx CN 2 4 Facebook USA 3 6 Weibo CN [1] "----- FULL JOIN -----" SiteId Site Country.x Country.y 1 2 yssmx CN CN 2 4 Facebook USA USA 3 6 Weibo CN CN 4 7 <NA> <NA> USA 5 8 <NA> <NA> IN [1] "----- LEFT JOIN -----" SiteId Site.x Country Site.y Country.x Country.y 1 2 yssmx CN yssmx CN CN 2 4 Facebook USA Facebook USA USA 3 6 Weibo CN Weibo CN CN [1] "----- RIGHT JOIN -----" SiteId Site.x Country Site.y Country.x Country.y 1 2 yssmx CN yssmx CN CN 2 4 Facebook USA Facebook USA USA 3 6 Weibo CN Weibo CN CN 4 7 <NA> <NA> <NA> <NA> USA 5 8 <NA> <NA> <NA> <NA> IN
数据整合和拆分
R 语言使用 melt() 和 cast() 函数来对数据进行整合和拆分。
- melt() :宽格式数据转化成长格式。
- cast() :长格式数据转化成宽格式。
下图很好展示来 melt() 和 cast() 函数的功能(后面实例会详细说明):
melt() 将数据集的每个列堆叠到一个列中,函数语法格式:
melt(data, ..., na.rm = FALSE, value.name = "value")
参数说明:
- data:数据集。
- ...:传递给其他方法或来自其他方法的其他参数。
- na.rm:是否删除数据集中的 NA 值。
- value.name 变量名称,用于存储值。
进行以下操作之前,我们先安装依赖包:
# 安装库,MASS 包含很多统计相关的函数,工具和数据集 install.packages("MASS", repos = "https://mirrors.ustc.edu.cn/CRAN/") # melt() 和 cast() 函数需要对库 install.packages("reshape2", repos = "https://mirrors.ustc.edu.cn/CRAN/") install.packages("reshape", repos = "https://mirrors.ustc.edu.cn/CRAN/")
测试实例:
实例
library ( MASS )
library ( reshape2 )
library ( reshape )
# 创建数据框
id < - c ( 1 , 1 , 2 , 2 )
time < - c ( 1 , 2 , 1 , 2 )
x1 < - c ( 5 , 3 , 6 , 2 )
x2 < - c ( 6 , 5 , 1 , 4 )
mydata < - data.frame ( id , time , x1, x2 )
# 原始数据框
cat ( "原始数据框: \n " )
print ( mydata )
# 整合
md < - melt ( mydata, id = c ( "id" , "time" ) )
cat ( " \n 整合后: \n " )
print ( md )
执行以上代码输出结果为:
原始数据框: id time x1 x2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4 整合后: id time variable value 1 1 1 x1 5 2 1 2 x1 3 3 2 1 x1 6 4 2 2 x1 2 5 1 1 x2 6 6 1 2 x2 5 7 2 1 x2 1 8 2 2 x2 4
cast 函数用于对合并对数据框进行还原,dcast() 返回数据框,acast() 返回一个向量/矩阵/数组。
cast() 函数语法格式:
dcast( data, formula, fun.aggregate = NULL, ..., margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data) ) acast( data, formula, fun.aggregate = NULL, ..., margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data) )
参数说明:
- data:合并的数据框。
- formula:重塑的数据的格式,类似 x ~ y 格式,x 为行标签,y 为列标签 。
- fun.aggregate:聚合函数,用于对 value 值进行处理。
- margins:变量名称的向量(可以包含"grand\_col" 和 "grand\_row"),用于计算边距,设置 TURE 计算所有边距。
- subset:对结果进行条件筛选,格式类似 subset = .(variable=="length")。
- drop:是否保留默认值。
- value.var:后面跟要处理的字段。
实例
library ( MASS )
library ( reshape2 )
library ( reshape )
# 创建数据框
id <- c ( 1 , 1 , 2 , 2 )
time <- c ( 1 , 2 , 1 , 2 )
x1 <- c ( 5 , 3 , 6 , 2 )
x2 <- c ( 6 , 5 , 1 , 4 )
mydata <- data. frame ( id, time , x1, x2 )
# 整合
md <- melt ( mydata, id = c ( "id" , "time" ) )
# Print recasted dataset using cast() function
cast. data <- cast ( md, id~variable, mean )
print ( cast. data )
cat ( " \n " )
time. cast <- cast ( md, time ~variable, mean )
print ( time. cast )
cat ( " \n " )
id. time <- cast ( md, id~ time , mean )
print ( id. time )
cat ( " \n " )
id. time . cast <- cast ( md, id + time ~variable )
print ( id. time . cast )
cat ( " \n " )
id. variable . time <- cast ( md, id + variable~ time )
print ( id. variable . time )
cat ( " \n " )
id. variable . time2 <- cast ( md, id~variable + time )
print ( id. variable . time2 )
执行以上代码输出结果为:
id x1 x2 1 1 4 5.5 2 2 4 2.5 time x1 x2 1 1 5.5 3.5 2 2 2.5 4.5 id 1 2 1 1 5.5 4 2 2 3.5 3 id time x1 x2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4 id variable 1 2 1 1 x1 5 3 2 1 x2 6 5 3 2 x1 6 2 4 2 x2 1 4 id x1_1 x1_2 x2_1 x2_2 1 1 5 3 6 5 2 2 6 2 1 4