注：reshape包的重铸函数为cast()，reshape2包的重铸函数为dcast()和acast()

#数据集mydata
ID <- c(1,2)
Time <- c(1,2)
X1 <- c(5,6,2)
X2 <- c(6,4)
mydata <- data.frame(ID,Time,X1,X2)

2.1融合-melt

数据集的融合是将它重构为这样一种格式：每个测量变量独占一行，行中带有要唯一确定这个测量所需的标识符变量。

library(reshape2)
md <- melt(mydata,id=c("ID","Time"))
md <- melt(mydata,id=1:2)

2.2重铸-dcast和acast

Use acast or dcast depending on whether you want vector/matrix/array output or data frame output. Data frames can have at most two dimensions.

1. dcast——返回的结果是一个数据框

2. acast——返回的结果可以是向量、矩阵或者数组

调用格式为：

newdata <- dcast(data,formula,fun.aggregate = NULL,...,margins = NULL,subset = NULL,fill = NULL,drop = TRUE,value.var = guess_value(data))
newdata <- acast(data,value.var = guess_value(data))

其中md为已融合的数据，formula描述想要的结果，FUN是（可选的）数据整合函数。
接受的公式形如：

rowvar1 + rowvar2 + ... ~ colvar1 + colvar2 + ...

在这个公式中，rowvar1 + rowvar2 + ... 定义了要划掉的变量集合，以确定各行的内容，而colvar1 + colvar2 + ... 则定义了要划掉的、确定各列内容的变量集合。

#执行整合
acast(md,ID~variable,mean)
dcast(md,tTime~variable,ID~Time,mean)
#不执行整合
dcast(md,ID+Time~variable)
dcast(md,ID+variable~Time)
dcast(md,ID~variable+Time)

2.3 练习

library(reshape2)
head(airquality)
mydata <- airquality
mydata1 <- melt(mydata,id=c("Month","Day"),variable.name = "type",value.name = "val")
#选定测量变量为Ozone、Wind
mydata2 <- melt(mydata,measure = c("Ozone","Wind"),value.name = "val")
str(mydata1)
str(mydata2)
#大写转换为小写
names(mydata) <- tolower(names(mydata))
a <- melt(mydata,id=c("month","day"),na.rm=TRUE)
#数据b和原始数据airquality一样，数据复原了。
b <- dcast(a,month + day ~variable)
result1 <- dcast(a,month  ~variable,mean)
#查看缺失值数量的函数
myfun <- function(x){return(sum(is.na(x)))}
result2 <- dcast(a,myfun)
result3 <- melt(mydata,"day"))
result4 <- dcast(result3,myfun)
result5 <- recast(mydata,month ~ variable,id.var = c('month','day'),fun = myfun)

3. dplyr

3.1 基本操作

3.1.1 数据类型

将过长过大的数据集转换为显示更友好的 tbl_df 类型

library(dplyr)
iris_df <- tbl_df(iris)

3.1.2 筛选filter

按给定的逻辑判断筛选出符合要求的子数据集,类似于 base::subset() 函数

filter(iris_df,Species == 'setosa',Sepal.Length >=5)
filter(iris_df,Species == 'setosa' & Sepal.Length >=5)

用R自带函数实现:

iris_df[iris_df$Species == 'setosa' & iris_df$Sepal.Length >=5,]

除了代码简洁外,还支持对同一对象的任意个条件组合,如:

filter(iris_df,Species == 'setosa' | Sepal.Length >=5)

注意: 表示 AND 时要使用 & 而避免 &&

3.1.3 排列 arrange

arrange(iris_df,Sepal.Length,Sepal.Width)
arrange(iris_df,desc(Sepal.Length))
#这个函数和 plyr::arrange() 是一样的,类似于 order()

用R自带函数实现:

iris_df[order(iris_df$Sepal.Length,iris_df$Sepal.Width),]
iris_df[order(desc(iris_df$Sepal.Length)),]

3.1.4 选择select

用列名作参数来选择子数据集:

select(iris_df,1:2)
select(iris_df,Species,Sepal.Width)
select(iris,everything())
#重命名列名
select(iris_df,Length=Sepal.Length,Width=Sepal.Width)
select(iris_df,petal = starts_with("Petal"))

排除列名:

select(iris_df,-Petal.Length,-Petal.Width)

select的特殊函数

• starts_with(x,ignore.case = TRUE): names starts with x

• ends_with(x,ignore.case = TRUE): names ends in x

• contains(x,ignore.case = TRUE): selects all variables whose name contains

• matches(x,ignore.case = TRUE): selects all variables whose name matches the regular expression x

• num_range("x",width = 2): selects all variables (numerically) from x01 to x05.

• one_of("x","y","z"): selects variables provided in a character vector.

• everything(): selects all variables.

select(iris_df,everything())
select(iris_df,starts_with("Petal"))
select(iris_df,ends_with("Width"))
select(iris_df,contains("etal"))
select(iris_df,matches(".t."))
#选取名称符合指定表达式规则的列
select(iris_df,Sepal.Length:Petal.Width)
select(iris_df,Petal.Length,Petal.Width)
vars <- c("Petal.Length","Petal.Width")
select(iris_df,one_of(vars))
df <- as.data.frame(matrix(runif(100),nrow = 10))
df <- tbl_df(df)
select(df,V4:V6)
select(df,num_range("V",4:6))

":" 选择连续列，contains来匹配列名

同样类似于R自带的subset() 函数.

subset(iris,select=c(1,2))
subset(iris,select=c(3,4))
subset(iris,select=c(Petal.Length,Petal.Width))

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!