【数据处理】R语言--data.table -dcast and melt(数据拆分and合并)

R–data.table -dcast and melt(数据拆分and合并)

写在前面：数据整形的过程确实和揉面团有些类似，先将数据通过melt()函数将数据揉开，然后再通过dcast()函数将数据重塑成想要的形状

reshape2包：

melt-把宽格式数据转化成长格式。

cast-把长格式数据转化成宽格式。（dcast-输出时返回一个数据框。acast-输出时返回一个向量/矩阵/数组。）

注：melt是数据融合的意思，它做的工作其实就是把数据由“宽”转“长”。

cast 函数的作用除了还原数据外，还可以对数据进行整合。

dcast 输出数据框。公式的左边每个变量都会作为结果中的一列，而右边的变量被当成因子类型，每个水平都会在结果中产生一列。

tidyr包：

gather-把宽度较大的数据转换成一个更长的形式，它类比于从reshape2包中融合函数的功能

spread-把长的数据转换成一个更宽的形式，它类比于从reshape2包中铸造函数的功能。

data.table包：

data.table的函数melt 和dcast 是增强包reshape2里同名函数的扩展

> library(data.table)
>
> ID <- c(NA,1,2,2)
>
> Time <- c(1,2,NA,1)
>
> X1 <- c(5,3,NA,2)
>
> X2 <- c(NA,5,1,4)
>
> mydata <- data.table(ID,Time,X1,X2)
>
> mydata
ID Time X1 X2
1: NA    1  5 NA
2:  1    2  3  5
3:  2   NA NA  1
4:  2    1  2  4

melt以使每一行都是一个唯一的标识符-变量组合

将第一列作为id列，其他列全部融合就可以了

> md <- melt(mydata, id=c("ID","Time")) #or md <- melt(mydata, id=1:2)
> md
ID Time variable value
1: NA    1       X1     5
2:  1    2       X1     3
3:  2   NA       X1    NA
4:  2    1       X1     2
5: NA    1       X2    NA
6:  1    2       X2     5
7:  2   NA       X2     1
8:  2    1       X2     4

将变量”variable”,和”value”揉合在一起，结果产生了新的两列，一列是变量variable，指代是哪个揉合变量，另外一列是取值value，即变量对应的值。我们也称这样逐行排列的方式称为长数据格式

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。

> str(mydata)
Classes ‘data.table’ and 'data.frame':  4 obs. of  4 variables:
$ ID  : num  NA 1 2 2
$ Time: num  1 2 NA 1
$ X1  : num  5 3 NA 2
$ X2  : num  NA 5 1 4
- attr(*, ".internal.selfref")=<externalptr>

> str(md)
Classes ‘data.table’ and 'data.frame':  8 obs. of  4 variables:
$ ID      : num  NA 1 2 2 NA 1 2 2
$ Time    : num  1 2 NA 1 1 2 NA 1
$ variable: Factor w/ 2 levels "X1","X2": 1 1 1 1 2 2 2 2
$ value   : num  5 3 NA 2 NA 5 1 4
- attr(*, ".internal.selfref")=<externalptr>
>

> setcolorder(md,c("ID","variable","Time","value")) ##setcolorder()可以用来修改列的顺序。
>
> md
ID variable Time value
1: NA       X1    1     5
2:  1       X1    2     3
3:  2       X1   NA    NA
4:  2       X1    1     2
5: NA       X2    1    NA
6:  1       X2    2     5
7:  2       X2   NA     1
8:  2       X2    1     4

> mdr <- melt(mydata, id=c("ID","Time"),variable.name="Xzl",value.name="Vzl",na.rm = TRUE) #variable.name定义变量名
>
> mdr
ID Time Xzl Vzl
1: NA    1  X1   5
2:  1    2  X1   3
3:  2    1  X1   2
4:  1    2  X2   5
5:  2   NA  X2   1
6:  2    1  X2   4

> mdr1 <- melt(mydata, id=c("ID","Time"),variable.name="Xzl",value.name="Vzl",measure.vars=c("X1"),na.rm = TRUE) #measure.vars筛选
>
> mdr1
ID Time Xzl Vzl
1: NA    1  X1   5
2:  1    2  X1   3
3:  2    1  X1   2

> md[Time==1]
ID variable Time value
1: NA       X1    1     5
2:  2       X1    1     2
3: NA       X2    1    NA
4:  2       X2    1     4

> md[Time==2]
ID variable Time value
1:  1       X1    2     3
2:  1       X2    2     5
>

执行整合

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。

> newmd<- dcast(md, ID~variable, mean)
> newmd
ID X1  X2
1:  1  3 5.0
2:  2 NA 2.5
3: NA  5  NA

> newmd2<- dcast(md, ID+variable~Time)
> newmd2
ID variable  1  2 NA
1:  1       X1 NA  3 NA
2:  1       X2 NA  5 NA
3:  2       X1  2 NA NA
4:  2       X2  4 NA  1
5: NA       X1  5 NA NA
6: NA       X2 NA NA NA

ID+variable~Time 使用Time对(ID，variable)分组 Time:1,2,NA 类似excel的数据透析

> newmd3<- dcast(md, ID~variable+Time)
>
> newmd3         #variable:X1,X2     Time:1,2,NA   类似excel的数据透析
ID X1_1 X1_2 X1_NA X2_1 X2_2 X2_NA
1:  1   NA    3    NA   NA    5    NA
2:  2    2   NA    NA    4   NA     1
3: NA    5   NA    NA   NA   NA    NA
>

资料

如何落地用户画像分析

R之data.table -melt/dcast(数据合并和拆分)