week4reshape包

最新推荐文章于 2024-01-28 20:22:04 发布

转载最新推荐文章于 2024-01-28 20:22:04 发布 · 671 阅读

文章标签：

#数据 #R语言

R 专栏收录该内容

27 篇文章

订阅专栏

本文介绍了R语言中reshape包的基本使用方法，包括如何融合（melt）和重铸（cast）数据集。通过实例展示了如何利用该包进行数据重构，以便于后续的数据分析和可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

reshape包(转载自r实战)

reshape包是一套重构和整合数据集的绝妙的万能工具。由于它的这种万能特性，可能学
起来会有一点难度。我们将慢慢地梳理整个过程，并使用一个小型数据集作为示例，这样每一步
发生了什么就很清晰了。由于reshape包并未包含在R的标准安装中，在第一次使用它之前需要
使用install.packages(“reshape”)进行安装。
大致说来，你需要首先将数据“融合”（melt），以使每一行都是一个唯一的标识符—变量组
合。然后将数据“重铸”（cast）为你想要的任何形状。在重铸过程中，你可以使用任何函数对数
据进行整合。将使用的数据集如表所示。
这里写图片描述

在这个数据集中，测量measurement是指最后两列中的值（5、6、3、5、6、1、2、4）。每
个测量都能够被标识符变量（在本例中，标识符是指ID、Time以及观测属于X1还是X2）唯一地确
定。举例来说，在知道ID为1、Time为1，以及属于变量X1之后，即可确定测量值为第一行中的5。

melt融合

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。要融合表中的数据，可使用以下代码：

library(reshape)
md <- melt(mydata, id=(c("id", "time")))

这里写图片描述

2. cast() 重铸

cast()函数读取已融合的数据，并使用你提供的公式和一个（可选的）用于整合数据的函
数将其重塑。调用格式为：

newdata <- cast(md, formula, FUN)

其中的md为已融合的数据，formula描述了想要的最后结果，而FUN是（可选的）数据整合函数。
其接受的公式.

在这一公式中，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。参见图5-1中的
示例。

这里写图片描述

reshape包例子

library(reshape2)
dstats<-function(x)(c(n=length(x), mean=mean(x), sd=sd(x)))
# measure.vars 欲分类计算的变量名
# id.vars 变量 
dfm<-melt(mtcars, measure.vars=c("mpg", "hp", "wt"),id.vars=c("am", "cyl"))
dcast(dfm, am + cyl + variable ~., dstats)

> head(dfm)
  am cyl variable value
1  1   6      mpg  21.0
2  1   6      mpg  21.0
3  1   4      mpg  22.8
4  0   6      mpg  21.4
5  0   8      mpg  18.7
6  0   6      mpg  18.1

> cast(dfm, am + cyl + variable ~., dstats)
   am cyl variable  n       mean         sd
1   0   4      mpg  3  22.900000  1.4525839
2   0   4       hp  3  84.666667 19.6553640
3   0   4       wt  3   2.935000  0.4075230
4   0   6      mpg  4  19.125000  1.6317169
5   0   6       hp  4 115.250000  9.1787799
6   0   6       wt  4   3.388750  0.1162164
7   0   8      mpg 12  15.050000  2.7743959
8   0   8       hp 12 194.166667 33.3598379
9   0   8       wt 12   4.104083  0.7683069