21
2020
08

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:


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"))



# 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   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。

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):


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/") 

测试实例:

实例

# 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。

实例

# 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)

# 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 2.5


  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

« 上一篇 下一篇 »

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。