当前位置：首页 > news >正文

R 语言学习教程，从入门到精通，R 数据重塑（15）

news 来源：原创 2024/9/20 9:29:48

1、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：
在这里插入图片描述
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

# 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)

执行以上代码输出结果为：

[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

1.1、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(后面示例会详细说明)：
在这里插入图片描述
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/")

测试示例：

# 载入库
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。

# 载入库
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 2.5time  x1  x2
1    1 5.5 3.5
2    2 2.5 4.5id   1 2
1  1 5.5 4
2  2 3.5 3id time x1 x2
1  1    1  5  6
2  1    2  3  5
3  2    1  6  1
4  2    2  2  4id variable 1 2
1  1       x1 5 3
2  1       x2 6 5
3  2       x1 6 2
4  2       x2 1 4id x1_1 x1_2 x2_1 x2_2
1  1    5    3    6    5
2  2    6    2    1    4