推 andrew43: 快拜一下。 07/25 22:29
推 psinqoo: 朝聖~ 07/26 08:51
推 hyekyo0608: 跟著拜~ 07/27 09:49
推 squallscer: 朝聖～ 07/27 20:14
推 sacidoO: 有看有推 感謝C大分享寶貴經驗! 06/14 13:39
本章是最後一章，主要介紹
1. data.table:::dcast.data.table
2. data.table:::melt
3. tidyr:::gather
4. tidyr:::spread
5. tidyr:::separate
這一章主要講述注重在資料的呈現方式 - 橫表跟直表的呈現
還有一些表格整合的問題
1. dcast.data.table
dcast提供直表加總的函數
學過統計的話，應該是contingency table (列聯表)
或是熟悉EXCEL，知道樞紐分析表，它其實就是樞紐分析表
Y就是列聯表中的列變數，X就是行變數
製作列聯表也可以說它的應用之一
這個function，需要先`require(reshape2)`
有人可能會問reshape2就有dcast為啥要用dcast.data.table
原因很簡單，因為dcast.data.table快更多！！
速度直接?dcast.data.table下面例子就有，直接來簡介怎麼用
第一個input是data.table，第二個是給一個公式
舉例來說，如果公式是 Y ~ X，Y的元素會展開在列，X就會在行
第三個input是加總函數，你如果有相同類別的X, Y
它會把相同類別的值用這個函數做加總，預設是length
先用一個簡單例子來說明
` R
set.seed(100)
DT = expand.grid(LETTERS[1:2], LETTERS[3:4]) %>% data.table %>%
setnames(c("col1","col2")) %>% '['(rep(1:nrow(.), 2)) %>%
'['(,values := rpois(8,2))
DT
# col1 col2 values
# 1: A C 1
# 2: B C 1
# 3: A D 2
# 4: B D 0
# 5: A C 2
# 6: B C 2
# 7: A D 3
# 8: B D 1
dcast.data.table(DT, col1~col2)
# col1 C D
# 1: A 2 2
# 2: B 2 2
dcast.data.table(DT, col1~col2, sum)
# col1 C D
# 1: A 3 5
# 2: B 3 1
`
產生資料的函數、operator，我們都講過了，往前找找看
我們專注到第一個dcast，dcast.data.table(DT, col1~col2)
可以看的出來 col1就在列，col2就在行展開，然後計算col1, col2有相同類別的length
第二個dcast就是把有相同的類別，把values做總和
但是，我們怎麼知道它加總的是values
它會告訴你自動找尋data.table，然後選定values做為加總的column
至於改法就是修改value.var這個input，舉例來說
` R
DT[, values2 := rpois(8, 3)]
dcast.data.table(DT, col1~col2, sum, value.var = "values")
# col1 C D
# 1: A 3 5
# 2: B 3 1
dcast.data.table(DT, col1~col2, sum, value.var = "values2")
# col1 C D
# 1: A 5 7
# 2: B 3 9
DT[, col3 := rep(LETTERS[5:6],,,4)]
dcast.data.table(DT, col1+col2~col3, sum, value.var = "values")
# col1 col2 E F
# 1: A C 1 2
# 2: A D 2 3
# 3: B C 1 2
# 4: B D 0 1
`
dcast.data.table說明到此
2. melt
dcast做直表加總，melt做橫表轉直表
舉個簡單的例子
我們有數個病人，每個病人有數個觀察值
表格紀錄的樣子是
id O1 O2
P1 12 18
P2 13 15
.. .. ..
我們想要轉成直表長這樣：
id O V
P1 O1 12
P1 O1 18
P2 O2 13
P2 O2 15
.. .. ..
那麼在R code可以這樣做：
` R
(DT = data.table(id = paste0("P", 1:2), O1 = c(12,13), O2 = c(18,15)))
# id O1 O2
# 1: P1 12 18
# 2: P2 13 15
(DT_long = melt(DT, "id", variable.name = "O", value.name = "V"))
# id O V
# 1: P1 O1 12
# 2: P2 O1 13
# 3: P1 O2 18
# 4: P2 O2 15
`
melt的第一個input是data.table (註一)
第二個input是id.vars，也就是你要展開的變數名稱
第三個input是measure.vars，你要展開的變數名稱
前面例子未指定的情況下，就是全部的column
前面我還有用到variable.name 跟 value.name
variable.name是指定集合其他columns之後的column name
在前例就是把 O1, O2兩個columns集合之後的變數名稱，我改成了"O"
value.name是你集合其他columns之後那些變數值的column
在前例就是把 O1, O2兩個columns集合之後的變數值，我改成了"V"
註一：此指data.table:::melt，跟reshape2:::melt的差異部分
請看data.table:::melt的help
我們再看一個複雜一點的例子
` R
DT = data.table(ID1 = paste0("ID1_", 1:20),
ID2 = sample(paste0("ID2_", 1:20)),
O1 = rnorm(20), O2 = rnorm(20), O3 = rnorm(20))
## 以ID1跟ID2作為展開，其他column (O1 ~ O3)會疊成一個變數
## 還會有一個新類別去label後面的value來自哪一個變數
melt(DT, c("ID1", "ID2"), c("O1", "O2", "O3"),
variable.name = "O", value.name = "V")
## 以ID1作為展開，其他column (O1 ~ O3)會疊成一個變數
## 還會有一個新類別去label後面的value來自哪一個變數
melt(DT, "ID1", c("O1", "O2", "O3"),
variable.name = "O", value.name = "V")
## 以ID1作為展開，其他column (O1 ~ O2)會疊成一個變數
## 還會有一個新類別去label後面的value來自哪一個變數
melt(DT, "ID1", c("O1", "O2"),
variable.name = "O", value.name = "V")
`
3. gather
其實就是melt，只是比較好寫
我們把melt的例子改成用gather寫
只是melt一次到位的指令用gather寫之後
要用select跟filter做 (但是我覺得gather比較好寫)
` R
(DT = data.table(id = paste0("P", 1:2), O1 = c(12,13), O2 = c(18,15)))
# id O1 O2
# 1: P1 12 18
# 2: P2 13 15
(DT_long = gather(DT, O, V, -id))
# id O V
# 1: P1 O1 12
# 2: P2 O1 13
# 3: P1 O2 18
# 4: P2 O2 15
DT = data.table(ID1 = paste0("ID1_", 1:20),
ID2 = sample(paste0("ID2_", 1:20)),
O1 = rnorm(20), O2 = rnorm(20), O3 = rnorm(20))
gather(DT, O, V, -ID1, -ID2)
gather(DT, O, V, -ID1, -ID2) %>% select(-ID2)
gather(DT, O, V, -ID1, -ID2) %>% select(-ID2) %>% filter(O!="O3")
`
4. spread
提供gather的反向操作
` R
DT = data.table(id = paste0("P", 1:2), O1 = c(12,13), O2 = c(18,15))
DT_long = gather(DT, O, V, -id)
DT_long %>% spread(O, V)
# id O1 O2
# 1: P1 12 18
# 2: P2 13 15
`
5. separate
把特定column做strsplit，並設定成新的變數
一個簡單的例子
` R
DT = data.table(x = paste0(sample(LETTERS, 5), ",", sample(LETTERS, 5)))
DT %>% separate(x, paste0("V", 1:2))
`
這個函數要注意的是以下的程式是會出現錯誤的
` R
DT = data.table(x = paste0(sample(LETTERS, 5), sample(LETTERS, 5)))
DT %>% separate(x, paste0("V", 1:2))
`
separate無法分開沒有間隔字元的字串
你要分開這個只能做適當的轉換，像是：
` R
DT = data.table(x = paste0(sample(LETTERS, 5), sample(LETTERS, 5)))
DT %<>% mutate(x = gsub("([A-Z])", "\\1, ", x))
DT %>% separate(x, paste0("V", 1:3)) %>% select(-V3)
`
如果有人有更好的方法，麻煩告知我一下，謝謝
資料介紹套件就到這裡結束
有任何問題，歡迎在板上回文詢問，我有看到都會回覆
(麻煩盡量不要用私信，希望可以讓板眾一起看問題該怎麼解決)
有任何補充或是建議也歡迎推文或回文，感謝大家
我並沒有講到plyr的 a*ply, l*ply, d*ply, r*ply系列
其實他們跟apply, lapply, tapply, replicate相對應，只是output型式不同
如果未來有機會寫有關*ply系列函數時，我再好好介紹plyr
[關鍵字]: tidyr
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.205.27.107
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1437813750.A.05B.html
※ 編輯: celestialgod (123.205.27.107), 07/25/2015 16:53:10