R语言教程:数据重塑

2022-08-0218:57:45编程语言入门到精通Comments766 views字数 4028阅读模式

合并数据框

R 语言合并数据框使用 merge() 函数。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

merge() 函数语法格式如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# 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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

  • 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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

R语言教程:数据重塑文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

  • 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

# data frame 1
df1 = data.frame(SiteId = c(1:6), Site = c("Google","Runoob","Taobao","Facebook","Zhihu","Weibo"))文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# data frame 2
df2 = data.frame(SiteId = c(2, 4, 6, 7, 8), Country = c("CN","USA","CN","USA","IN"))文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# INNER JOIN
df1 = merge(x=df1,y=df2,by="SiteId")
print("----- INNER JOIN -----")
print(df1)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# FULL JOIN
df2 = merge(x=df1,y=df2,by="SiteId",all=TRUE)
print("----- FULL JOIN -----")
print(df2)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# LEFT JOIN
df3 = merge(x=df1,y=df2,by="SiteId",all.x=TRUE)
print("----- LEFT JOIN -----")
print(df3)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# RIGHT JOIN
df4 = merge(x=df1,y=df2,by="SiteId",all.y=TRUE)
print("----- RIGHT JOIN -----")
print(df4)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

执行以上代码输出结果为:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

[1] "----- INNER JOIN -----"
  SiteId     Site Country
1      2   Runoob      CN
2      4 Facebook     USA
3      6    Weibo      CN
[1] "----- FULL JOIN -----"
  SiteId     Site Country.x Country.y
1      2   Runoob        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   Runoob      CN   Runoob        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   Runoob      CN   Runoob        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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

  • 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):文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

R语言教程:数据重塑文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

melt() 将数据集的每个列堆叠到一个列中,函数语法格式:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

melt(data, ..., na.rm = FALSE, value.name = "value")

参数说明:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

  • 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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# 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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

实例

# 载入库
library(MASS)
library(reshape2)
library(reshape)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# 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)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# 原始数据框
cat("原始数据框:\n")
print(mydata)
# 整合
md <- melt(mydata, id = c("id","time"))文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cat("\n整合后:\n")
print(md)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

执行以上代码输出结果为:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cast() 函数语法格式:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

  • 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

# 载入库
library(MASS)
library(reshape2)
library(reshape)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

# 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)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

print(cast.data)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cat("\n")
time.cast <- cast(md, time~variable, mean)
print(time.cast)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cat("\n")
id.time <- cast(md, id~time, mean)
print(id.time)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cat("\n")
id.time.cast <- cast(md, id+time~variable)
print(id.time.cast)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cat("\n")
id.variable.time <- cast(md, id+variable~time)
print(id.variable.time)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

cat("\n")
id.variable.time2 <- cast(md, id~variable+time)
print(id.variable.time2)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

执行以上代码输出结果为:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html

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
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/26436.html
  • 本站内容整理自互联网,仅提供信息存储空间服务,以方便学习之用。如对文章、图片、字体等版权有疑问,请在下方留言,管理员看到后,将第一时间进行处理。
  • 转载请务必保留本文链接:https://www.cainiaoxueyuan.com/ymba/26436.html

Comment

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定