Изменение формы данных.кадр из широкого в длинный формат

у меня есть некоторые проблемы, чтобы преобразовать мои data.frame от широкого стола к длинному столу. На данный момент это выглядит так:

Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246

теперь мне нравится трансформировать это data.frame на долго data.frame. Что-то вроде этого:

Code Country        Year    Value
AFG  Afghanistan    1950    20,249
AFG  Afghanistan    1951    21,352
AFG  Afghanistan    1952    22,532
AFG  Afghanistan    1953    23,557
AFG  Afghanistan    1954    24,555
ALB  Albania        1950    8,097
ALB  Albania        1951    8,986
ALB  Albania        1952    10,058
ALB  Albania        1953    11,123
ALB  Albania        1954    12,246

Я посмотрел и попробовал его уже с melt() и reshape() функции как некоторые люди предлагали подобные вопросы. Однако до сих пор я получаю только грязные результаты.

если это возможно, я хотел бы сделать это с reshape() функция с тех пор это выглядит немного приятнее в обращении.

5 96
javascript dataframe r-faq reshape

5 ответов:

reshape() требуется время, чтобы привыкнуть к, так как melt/cast. Вот решение с reshape, предполагая, что ваш фрейм данных называется d:

reshape(d, direction = "long", varying = list(names(d)[3:7]), v.names = "Value", 
        idvar = c("Code","Country"), timevar = "Year", times = 1950:1954)
64

три альтернативных решения:

1: с reshape2

library(reshape2)
long <- melt(wide, id.vars = c("Code", "Country"))

даем:

   Code     Country variable  value
1   AFG Afghanistan     1950 20,249
2   ALB     Albania     1950  8,097
3   AFG Afghanistan     1951 21,352
4   ALB     Albania     1951  8,986
5   AFG Afghanistan     1952 22,532
6   ALB     Albania     1952 10,058
7   AFG Afghanistan     1953 23,557
8   ALB     Albania     1953 11,123
9   AFG Afghanistan     1954 24,555
10  ALB     Albania     1954 12,246

альтернативных обозначений, которые дают тот же результат:

# you can also define the id-variables by column number
melt(wide, id.vars = 1:2)

# as an alternative you can also specify the measure-variables
# all other variables will then be used as id-variables
melt(wide, measure.vars = 3:7)
melt(wide, measure.vars = as.character(1950:1954))

2: с data.table

вы можете использовать то же самое

85

С помощью изменить:

#data
x <- read.table(textConnection(
"Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246"), header=TRUE)

library(reshape)

x2 <- melt(x, id = c("Code", "Country"), variable_name = "Year")
x2[,"Year"] <- as.numeric(gsub("X", "" , x2[,"Year"]))
28

так как этот ответ помечен Р-чаво, я чувствовал, что было бы полезно поделиться другой альтернативой из базы R:stack.

обратите внимание, однако, что stack не работает с factor s--это работает только если is.vector и TRUE, и из документации для is.vector, мы находим, что:

is.vector возвращает TRUE если x-вектор указанного режима, не имеющий атрибутов кроме имена. Он возвращает FALSE иначе.

я использую образец данных из ответа @Jaap, где значения в Столбцах год factor s.

здесь stack подход:

cbind(wide[1:2], stack(lapply(wide[-c(1, 2)], as.character)))
##    Code     Country values  ind
## 1   AFG Afghanistan 20,249 1950
## 2   ALB     Albania  8,097 1950
## 3   AFG Afghanistan 21,352 1951
## 4   ALB     Albania  8,986 1951
## 5   AFG Afghanistan 22,532 1952
## 6   ALB     Albania 10,058 1952
## 7   AFG Afghanistan 23,557 1953
## 8   ALB     Albania 11,123 1953
## 9   AFG Afghanistan 24,555 1954
## 10  ALB     Albania 12,246 1954
6

вот еще один пример, показывающий использование gather С tidyr. Вы можете выбрать столбцы для gather либо путем удаления их по отдельности (как я делаю здесь), либо путем включения лет, которые вы хотите явно.

обратите внимание, что для обработки запятых (и X добавляется, если check.names = FALSE не установлен), я также использую dplyrмутирует с parse_number С readr для преобразования текстовых значений в числовой формат. Это все часть tidyverse и так можно нагрузить вместе с library(tidyverse)

wide %>%
  gather(Year, Value, -Code, -Country) %>%
  mutate(Year = parse_number(Year)
         , Value = parse_number(Value))

возвращает:

   Code     Country Year Value
1   AFG Afghanistan 1950 20249
2   ALB     Albania 1950  8097
3   AFG Afghanistan 1951 21352
4   ALB     Albania 1951  8986
5   AFG Afghanistan 1952 22532
6   ALB     Albania 1952 10058
7   AFG Afghanistan 1953 23557
8   ALB     Albania 1953 11123
9   AFG Afghanistan 1954 24555
10  ALB     Albania 1954 12246
3