Converting data between wide and long format 在宽、长格式之间转换数据
R语言中的大多数函数希望数据是长格式
但是，像 SPSS 通常使用宽格式数据
当你想把将数据从宽转换为长格式
常用的有两种方法：
1、gather() 和 spread() 来自 tidyr 包。
2、melt() 以及 dcast() 来自 reshape2 包
还有许多不常用的函数也可以实现：
1、reshape() 函数，不过它不是 reshape2 包的一部分，是 R base 包
2、stack() 和 unstack()
示例数据
olddata_wide <- read.table(header=TRUE, text='
subject sex control cond1 cond2
1 M 7.9 12.3 10.7
2 F 6.3 10.6 11.1
3 F 9.5 13.1 13.8
4 M 11.5 13.4 12.9
')
# 确保 subject 这一列是因子
olddata_wide$subject <- factor(olddata_wide$subject)
olddata_long <- read.table(header=TRUE, text='
subject sex condition measurement
1 M control 7.9
1 M cond1 12.3
1 M cond2 10.7
2 F control 6.3
2 F cond1 10.6
2 F cond2 11.1
3 F control 9.5
3 F cond1 13.1
3 F cond2 13.8
4 M control 11.5
4 M cond1 13.4
4 M cond2 12.9
')
# 确保 subject 这一列是因子
olddata_long$subject <- factor(olddata_long$subject)
使用tidyr 包
1、从宽到长：
使用tidyr的函数gather()
olddata_wide
#> subject sex control cond1 cond2
#> 1 1 M 7.9 12.3 10.7
#> 2 2 F 6.3 10.6 11.1
#> 3 3 F 9.5 13.1 13.8
#> 4 4 M 11.5 13.4 12.9
library(tidyr)
# 用法
gather(
data,
key = "key",
value = "value",
...,
na.rm = FALSE,
convert = FALSE,
factor_key = FALSE
)
# 函数gather()的参数:
# - data: 目标数据集
# - key: 新的列的名称（可以有多个）
# - value: 选择用来填充key列的列
# - ...: value可以有多个
# - factor_key: 将新的列转为因子 (FALSE为向量)
# - na.rm: 删除缺失的值. 默认为FALSE
data_long <- gather(olddata_wide, condition, measurement, control:cond2, factor_key=TRUE)
## condition、measurement 是新增的列
## 这两列的数据是来自原数据框 control:cond2 这三列
data_long
#> subject sex condition measurement
#> 1 1 M control 7.9
#> 2 2 F control 6.3
#> 3 3 F control 9.5
#> 4 4 M control 11.5
#> 5 1 M cond1 12.3
#> 6 2 F cond1 10.6
#> 7 3 F cond1 13.1
#> 8 4 M cond1 13.4
#> 9 1 M cond2 10.7
#> 10 2 F cond2 11.1
#> 11 3 F cond2 13.8
#> 12 4 M cond2 12.9
也可以靠列出每个列来
gather(olddata_wide, condition, measurement, control, cond1, cond2)
如果要以编程的形式来使用函数 gather() , 需要把列名包含进变量中
keycol <- "condition"
valuecol <- "measurement"
gathercols <- c("control", "cond1", "cond2")
gather_(olddata_wide, keycol, valuecol, gathercols)
扩展：重命名变量列的因子 level ，然后进行排序
# 重命名因子名字 "cond1" 、 "cond2" 到 "first" 、 "second"
levels(data_long$condition)[levels(data_long$condition)=="cond1"] <- "first"
levels(data_long$condition)[levels(data_long$condition)=="cond2"] <- "second"
# 先按 subject 排序, 再按 condition 排序
data_long <- data_long[order(data_long$subject, data_long$condition), ]
data_long
#> subject sex condition measurement
#> 1 1 M control 7.9
#> 5 1 M first 12.3
#> 9 1 M second 10.7
#> 2 2 F control 6.3
#> 6 2 F first 10.6
#> 10 2 F second 11.1
#> 3 3 F control 9.5
#> 7 3 F first 13.1
#> 11 3 F second 13.8
#> 4 4 M control 11.5
#> 8 4 M first 13.4
#> 12 4 M second 12.9
2、从长到宽
使用函数 spread() ：
olddata_long
#> subject sex condition measurement
#> 1 1 M control 7.9
#> 2 1 M cond1 12.3
#> 3 1 M cond2 10.7
#> 4 2 F control 6.3
#> 5 2 F cond1 10.6
#> 6 2 F cond2 11.1
#> 7 3 F control 9.5
#> 8 3 F cond1 13.1
#> 9 3 F cond2 13.8
#> 10 4 M control 11.5
#> 11 4 M cond1 13.4
#> 12 4 M cond2 12.9
library(tidyr)
# The arguments to spread():
# - data: 数据集
# - key: 需要变成横向的列
# - value: 用于填充key列的数据来源
data_wide <- spread(olddata_long, condition, measurement)
## 将 condition 的几类拆成另外几列
data_wide
#> subject sex cond1 cond2 control
#> 1 1 M 12.3 10.7 7.9
#> 2 2 F 10.6 11.1 6.3
#> 3 3 F 13.1 13.8 9.5
#> 4 4 M 13.4 12.9 11.5
可以理解为 spread() 和 gather()是完全相反的
扩展：美化数据外观的举措
# R重命名cond1、cond2
names(data_wide)[names(data_wide)=="cond1"] <- "first"
names(data_wide)[names(data_wide)=="cond2"] <- "second"
# 重新排序列
data_wide <- data_wide[, c(1,2,5,3,4)]
data_wide
#> subject sex control first second
#> 1 1 M 7.9 12.3 10.7
#> 2 2 F 6.3 10.6 11.1
#> 3 3 F 9.5 13.1 13.8
#> 4 4 M 11.5 13.4 12.9
因子水平的顺序决定了列的顺序。
可以在重塑之前更改级别顺序，也可以在之后对列进行重新排序。
使用reshape2 包
1、从宽到长
melt()函数
olddata_wide
#> subject sex control cond1 cond2
#> 1 1 M 7.9 12.3 10.7
#> 2 2 F 6.3 10.6 11.1
#> 3 3 F 9.5 13.1 13.8
#> 4 4 M 11.5 13.4 12.9
library(reshape2)
# melt参数解释
melt(data, # 需要操作的数据
id.vars, # 不想改变的数据列
measure.vars, # 你要melt的数据
variable.name= 'variable', # melt操作后，为新列变量取名
na.rm=FALSE, # 是否去除NA
value.name='value', # 新列对应值的变量名
factorsAsStrings=TRUE)
melt(olddata_wide, id.vars=c("subject", "sex"))
#> subject sex variable value
#> 1 1 M control 7.9
#> 2 2 F control 6.3
#> 3 3 F control 9.5
#> 4 4 M control 11.5
#> 5 1 M cond1 12.3
#> 6 2 F cond1 10.6
#> 7 3 F cond1 13.1
#> 8 4 M cond1 13.4
#> 9 1 M cond2 10.7
#> 10 2 F cond2 11.1
#> 11 3 F cond2 13.8
#> 12 4 M cond2 12.9
# 更多输出参数设置
data_long <- melt(olddata_wide,
id.vars=c("subject", "sex"),
measure.vars=c("control", "cond1", "cond2" ),
variable.name="condition",
value.name="measurement"
)
data_long
#> subject sex condition measurement
#> 1 1 M control 7.9
#> 2 2 F control 6.3
#> 3 3 F control 9.5
#> 4 4 M control 11.5
#> 5 1 M cond1 12.3
#> 6 2 F cond1 10.6
#> 7 3 F cond1 13.1
#> 8 4 M cond1 13.4
#> 9 1 M cond2 10.7
#> 10 2 F cond2 11.1
#> 11 3 F cond2 13.8
#> 12 4 M cond2 12.9
如果省略 measure.vars ， melt() 将自动使用所有其他变量作为 id.vars ;
如果省略 id.vars ，情况正好相反。
如果不指定 variable.name ，它将命名该列 “variable” ;
如果省略 value.name ，它将命名该列 “measurement” 。
扩展：重命名变量列的因子 level ，然后进行排序 （步骤同上）
2、从长到宽
cast() 函数分为：dcast() 、 acast()
用 dcast() 重构数据框；如果是列表或者是矩阵，改用 acast()
# dcast参数解释：
dcast(data, formula, fun.aggregate)
# - data : 所选的数据；
# - formula：描述了想要的最后结果; 其接受的公式形如：rowvar1 + rowvar2 + ... ~ colvar1 + colvar2 + ...;
## 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。
# - fun.aggregate是（可选的）数据整合函数，比如求均值等等。
olddata_long
#> subject sex condition measurement
#> 1 1 M control 7.9
#> 2 1 M cond1 12.3
#> 3 1 M cond2 10.7
#> 4 2 F control 6.3
#> 5 2 F cond1 10.6
#> 6 2 F cond2 11.1
#> 7 3 F control 9.5
#> 8 3 F cond1 13.1
#> 9 3 F cond2 13.8
#> 10 4 M control 11.5
#> 11 4 M cond1 13.4
#> 12 4 M cond2 12.9
# 保留 "subject" 和 "sex" 两列
# 拆分 condition 列为 control、cond1、cond2三个变量
# 拆分后的变量测量值用 measurement 来填充
library(reshape2)
data_wide <- dcast(olddata_long, subject + sex ~ condition, value.var="measurement")
data_wide
#> subject sex cond1 cond2 control
#> 1 1 M 12.3 10.7 7.9
#> 2 2 F 10.6 11.1 6.3
#> 3 3 F 13.1 13.8 9.5
#> 4 4 M 13.4 12.9 11.5
扩展：美化数据外观的举措 （同上）