本章是最後一章，主要介绍 1. data.table:::dcast.data.table 2. data.table:::melt 3. tidyr:::gather 4. tidyr:::spread 5. tidyr:::separate 这一章主要讲述注重在资料的呈现方式 - 横表跟直表的呈现 还有一些表格整合的问题 1. dcast.data.table dcast提供直表加总的函数 学过统计的话，应该是contingency table (列联表) 或是熟悉EXCEL，知道枢纽分析表，它其实就是枢纽分析表 Y就是列联表中的列变数，X就是行变数 制作列联表也可以说它的应用之一 这个function，需要先`require(reshape2)` 有人可能会问reshape2就有dcast为啥要用dcast.data.table 原因很简单，因为dcast.data.table快更多！！ 速度直接?dcast.data.table下面例子就有，直接来简介怎麽用 第一个input是data.table，第二个是给一个公式 举例来说，如果公式是 Y ~ X，Y的元素会展开在列，X就会在行 第三个input是加总函数，你如果有相同类别的X, Y 它会把相同类别的值用这个函数做加总，预设是length 先用一个简单例子来说明 ` R set.seed(100) DT = expand.grid(LETTERS[1:2], LETTERS[3:4]) %>% data.table %>% setnames(c("col1","col2")) %>% '['(rep(1:nrow(.), 2)) %>% '['(,values := rpois(8,2)) DT # col1 col2 values # 1: A C 1 # 2: B C 1 # 3: A D 2 # 4: B D 0 # 5: A C 2 # 6: B C 2 # 7: A D 3 # 8: B D 1 dcast.data.table(DT, col1~col2) # col1 C D # 1: A 2 2 # 2: B 2 2 dcast.data.table(DT, col1~col2, sum) # col1 C D # 1: A 3 5 # 2: B 3 1 ` 产生资料的函数、operator，我们都讲过了，往前找找看 我们专注到第一个dcast，dcast.data.table(DT, col1~col2) 可以看的出来 col1就在列，col2就在行展开，然後计算col1, col2有相同类别的length 第二个dcast就是把有相同的类别，把values做总和 但是，我们怎麽知道它加总的是values 它会告诉你自动找寻data.table，然後选定values做为加总的column 至於改法就是修改value.var这个input，举例来说 ` R DT[, values2 := rpois(8, 3)] dcast.data.table(DT, col1~col2, sum, value.var = "values") # col1 C D # 1: A 3 5 # 2: B 3 1 dcast.data.table(DT, col1~col2, sum, value.var = "values2") # col1 C D # 1: A 5 7 # 2: B 3 9 DT[, col3 := rep(LETTERS[5:6],,,4)] dcast.data.table(DT, col1+col2~col3, sum, value.var = "values") # col1 col2 E F # 1: A C 1 2 # 2: A D 2 3 # 3: B C 1 2 # 4: B D 0 1 ` dcast.data.table说明到此 2. melt dcast做直表加总，melt做横表转直表 举个简单的例子 我们有数个病人，每个病人有数个观察值 表格纪录的样子是 id O1 O2 P1 12 18 P2 13 15 .. .. .. 我们想要转成直表长这样： id O V P1 O1 12 P1 O1 18 P2 O2 13 P2 O2 15 .. .. .. 那麽在R code可以这样做： ` R (DT = data.table(id = paste0("P", 1:2), O1 = c(12,13), O2 = c(18,15))) # id O1 O2 # 1: P1 12 18 # 2: P2 13 15 (DT_long = melt(DT, "id", variable.name = "O", value.name = "V")) # id O V # 1: P1 O1 12 # 2: P2 O1 13 # 3: P1 O2 18 # 4: P2 O2 15 ` melt的第一个input是data.table (注一) 第二个input是id.vars，也就是你要展开的变数名称 第三个input是measure.vars，你要展开的变数名称 前面例子未指定的情况下，就是全部的column 前面我还有用到variable.name 跟 value.name variable.name是指定集合其他columns之後的column name 在前例就是把 O1, O2两个columns集合之後的变数名称，我改成了"O" value.name是你集合其他columns之後那些变数值的column 在前例就是把 O1, O2两个columns集合之後的变数值，我改成了"V" 注一：此指data.table:::melt，跟reshape2:::melt的差异部分 请看data.table:::melt的help 我们再看一个复杂一点的例子 ` R DT = data.table(ID1 = paste0("ID1_", 1:20), ID2 = sample(paste0("ID2_", 1:20)), O1 = rnorm(20), O2 = rnorm(20), O3 = rnorm(20)) ## 以ID1跟ID2作为展开，其他column (O1 ~ O3)会叠成一个变数 ## 还会有一个新类别去label後面的value来自哪一个变数 melt(DT, c("ID1", "ID2"), c("O1", "O2", "O3"), variable.name = "O", value.name = "V") ## 以ID1作为展开，其他column (O1 ~ O3)会叠成一个变数 ## 还会有一个新类别去label後面的value来自哪一个变数 melt(DT, "ID1", c("O1", "O2", "O3"), variable.name = "O", value.name = "V") ## 以ID1作为展开，其他column (O1 ~ O2)会叠成一个变数 ## 还会有一个新类别去label後面的value来自哪一个变数 melt(DT, "ID1", c("O1", "O2"), variable.name = "O", value.name = "V") ` 3. gather 其实就是melt，只是比较好写 我们把melt的例子改成用gather写 只是melt一次到位的指令用gather写之後 要用select跟filter做 (但是我觉得gather比较好写) ` R (DT = data.table(id = paste0("P", 1:2), O1 = c(12,13), O2 = c(18,15))) # id O1 O2 # 1: P1 12 18 # 2: P2 13 15 (DT_long = gather(DT, O, V, -id)) # id O V # 1: P1 O1 12 # 2: P2 O1 13 # 3: P1 O2 18 # 4: P2 O2 15 DT = data.table(ID1 = paste0("ID1_", 1:20), ID2 = sample(paste0("ID2_", 1:20)), O1 = rnorm(20), O2 = rnorm(20), O3 = rnorm(20)) gather(DT, O, V, -ID1, -ID2) gather(DT, O, V, -ID1, -ID2) %>% select(-ID2) gather(DT, O, V, -ID1, -ID2) %>% select(-ID2) %>% filter(O!="O3") ` 4. spread 提供gather的反向操作 ` R DT = data.table(id = paste0("P", 1:2), O1 = c(12,13), O2 = c(18,15)) DT_long = gather(DT, O, V, -id) DT_long %>% spread(O, V) # id O1 O2 # 1: P1 12 18 # 2: P2 13 15 ` 5. separate 把特定column做strsplit，并设定成新的变数 一个简单的例子 ` R DT = data.table(x = paste0(sample(LETTERS, 5), ",", sample(LETTERS, 5))) DT %>% separate(x, paste0("V", 1:2)) ` 这个函数要注意的是以下的程式是会出现错误的 ` R DT = data.table(x = paste0(sample(LETTERS, 5), sample(LETTERS, 5))) DT %>% separate(x, paste0("V", 1:2)) ` separate无法分开没有间隔字元的字串 你要分开这个只能做适当的转换，像是： ` R DT = data.table(x = paste0(sample(LETTERS, 5), sample(LETTERS, 5))) DT %<>% mutate(x = gsub("([A-Z])", "\\1, ", x)) DT %>% separate(x, paste0("V", 1:3)) %>% select(-V3) ` 如果有人有更好的方法，麻烦告知我一下，谢谢 资料介绍套件就到这里结束 有任何问题，欢迎在板上回文询问，我有看到都会回覆 (麻烦尽量不要用私信，希望可以让板众一起看问题该怎麽解决) 有任何补充或是建议也欢迎推文或回文，感谢大家 我并没有讲到plyr的 a*ply, l*ply, d*ply, r*ply系列 其实他们跟apply, lapply, tapply, replicate相对应，只是output型式不同 如果未来有机会写有关*ply系列函数时，我再好好介绍plyr [关键字]: tidyr --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.205.27.107 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1437813750.A.05B.html ※ 编辑: celestialgod (123.205.27.107), 07/25/2015 16:53:10