R 語言教程
R 數據重塑
合并數據框
R 語言合并數據框使用 merge() 函數。
merge() 函數語法格式如下：
# 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, …)常用參數說明：
x, y： 數據框
by, by.x, by.y：指定兩個數據框中匹配列名稱，默認情況下使用兩個數據框中相同列名稱。
all：邏輯值; all = L 是 all.x = L 和 all.y = L 的簡寫，L 可以是 TRUE 或 FALSE。
all.x：邏輯值，默認為 FALSE。如果為 TRUE, 顯示 x 中匹配的行，即便 y 中沒有對應匹配的行，y 中沒有匹配的行用 NA 來表示。
all.y：邏輯值，默認為 FALSE。如果為 TRUE, 顯示 y 中匹配的行，即便 x 中沒有對應匹配的行，x 中沒有匹配的行用 NA 來表示。
sort：邏輯值，是否對列進行排序。
merge() 函數和 SQL 的 JOIN 功能很相似：
Natural join 或 INNER JOIN：如果表中有至少一個匹配，則返回行
Left outer join 或 LEFT JOIN：即使右表中沒有匹配，也從左表返回所有的行
Right outer join 或 RIGHT JOIN：即使左表中沒有匹配，也從右表返回所有的行
Full outer join 或 FULL JOIN：只要其中一個表中存在匹配，則返回行
# data frame 1
df1 = data.frame(SiteId = c(1:6), Site = c("Google","Nhooo","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)執(zhí)行以上代碼輸出結果為：
[1] "----- INNER JOIN -----" SiteId Site Country 1 2 Nhooo CN 2 4 Facebook USA 3 6 Weibo CN [1] "----- FULL JOIN -----" SiteId Site Country.x Country.y 1 2 Nhooo 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 Nhooo CN Nhooo 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 Nhooo CN Nhooo 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
數據整合和拆分
R 語言使用 melt() 和 cast() 函數來對數據進行整合和拆分。
melt() ：寬格式數據轉化成長格式。
cast() ：長格式數據轉化成寬格式。
下圖很好展示來 melt() 和 cast() 函數的功能(后面示例會詳細說明)：
melt() 將數據集的每個列堆疊到一個列中，函數語法格式：
melt(data, ..., na.rm = FALSE, value.name = "value")
參數說明：
data：數據集。
...：傳遞給其他方法或來自其他方法的其他參數。
na.rm：是否刪除數據集中的 NA 值。
value.name 變量名稱，用于存儲值。
進行以下操作之前，我們先安裝依賴包：
# 安裝庫，MASS 包含很多統(tǒng)計相關的函數，工具和數據集
install.packages("MASS", repos = "https://mirrors.ustc.edu.cn/CRAN/")
# melt() 和 cast() 函數需要對庫
install.packages("reshape2", repos = "https://mirrors.ustc.edu.cn/CRAN/")
install.packages("reshape", repos = "https://mirrors.ustc.edu.cn/CRAN/")測試示例：
# 載入庫
library(MASS)
library(reshape2)
library(reshape)
# 創(chuàng)建數據框
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)
# 原始數據框
cat("原始數據框:\n")
print(mydata)
# 整合
md <- melt(mydata, id = c("id","time"))
cat("\n整合后:\n")
print(md)執(zhí)行以上代碼輸出結果為：
原始數據框: 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 函數用于對合并對數據框進行還原，dcast() 返回數據框，acast() 返回一個向量/矩陣/數組。
cast() 函數語法格式：
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) )
參數說明：
data：合并的數據框。
formula：重塑的數據的格式，類似 x ~ y 格式，x 為行標簽，y 為列標簽 。
fun.aggregate：聚合函數，用于對 value 值進行處理。
margins：變量名稱的向量（可以包含"grand\_col" 和 "grand\_row"），用于計算邊距，設置 TURE 計算所有邊距。
subset：對結果進行條件篩選，格式類似 subset = .(variable=="length")。
drop：是否保留默認值。
value.var：后面跟要處理的字段。
# 載入庫
library(MASS)
library(reshape2)
library(reshape)
# 創(chuàng)建數據框
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)執(zhí)行以上代碼輸出結果為：
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