成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

R語言進階之4：數據整形（reshape）

作者：xxx
大數據
從不同途徑得到的數據的組織方式是多種多樣的，很多數據都要經過整理才能進行有效的分析，數據整形不僅僅是為了改善數據的外觀，也是進行一些統計分析和作圖前必要的步驟。數據整形和數據凝練/匯總往往密不可分，這是門學問，是R語言數據處理的內容之一。

 一、通過重新構建數據進行整形

數據整形最直接的思路就把數據全部向量化，然后按要求用向量構建其他類型的數據。這樣是不是會產生大量的中間變量、占用大量內存？沒錯。R語言的任何函數（包括賦值）操作都會有同樣的問題，因為R函數的參數傳遞方式是傳值不傳址，變量不可能原地址修改后再放回原地址。

矩陣和多維數組的向量化有直接的類型轉換函數： as.vector，向量化后的結果順序是先列后行再其他：

  1. > (x <- matrix(1:4, ncol=2))  #為節省空間，下面的結果省略了一些空行 
  2.      [,1] [,2] 
  3. [1,]    1    3 
  4. [2,]    2    4 
  5. > as.vector(x) 
  6. [1] 1 2 3 4 
  7. > (x <- array(1:8, dim=c(2,2,2))) 
  8. , , 1 
  9.      [,1] [,2] 
  10. [1,]    1    3 
  11. [2,]    2    4 
  12. , , 2 
  13.      [,1] [,2] 
  14. [1,]    5    7 
  15. [2,]    6    8 
  16. > as.vector(x) 
  17. [1] 1 2 3 4 5 6 7 8 

列表向量化可以用unlist，數據框本質是元素長度相同的列表，所以也用unlist：

  1. > (x <- list(x=1:3, y=5:10)) 
  2. $x 
  3. [1] 1 2 3 
  4. $y 
  5.  
  6. [1]  5  6  7  8  9 10 
  7. > unlist(x) 
  8. x1 x2 x3 y1 y2 y3 y4 y5 y6  
  9.  1  2  3  5  6  7  8  9 10  
  10. > x <- data.frame(x=1:3, y=5:7) 
  11. > unlist(x) 
  12. x1 x2 x3 y1 y2 y3  
  13.  1  2  3  5  6  7 

其他類型的數據一般都可以通過數組、矩陣或列表轉成向量。一些軟件包有自定義的數據類型，如果考慮周到的話應該會有合適的類型轉換函數。

二、transform 和 within函數

transform 函數對數據框進行操作，作用是為原數據框增加新的列變量。但應該注意的是“原數據框”根本不是原來的那個數據框，而是一個它的拷貝。下面代碼為airquality數據框增加了一列log.ozone，但因為沒有把結果賦值給原變量名，所以原數據是不變的：

  1. > head(airquality,2) 
  2.   Ozone Solar.R Wind Temp Month Day 
  3. 1    41     190  7.4   67     5   1 
  4. 2    36     118  8.0   72     5   2 
  5. > aq <- transform(airquality, loglog.ozone=log(Ozone)) 
  6. > head(airquality,2) 
  7.   Ozone Solar.R Wind Temp Month Day 
  8. 1    41     190  7.4   67     5   1 
  9. 2    36     118  8.0   72     5   2 
  10. > head(aq,2) 
  11.   Ozone Solar.R Wind Temp Month Day log.ozone 
  12. 1    41     190  7.4   67     5   1  3.713572 
  13. 2    36     118  8.0   72     5   2  3.583519 

transform可以增加新列變量，可以改變列變量的值，也可以通過NULL賦值的方式刪除列變量：

  1. > aq <- transform(airquality, loglog.ozone=log(Ozone), Ozone=NULL, WindWind=Wind^2) 
  2. > head(aq,2) 
  3.   Solar.R  Wind Temp Month Day log.ozone 
  4. 1     190 54.76   67     5   1  3.713572 
  5. 2     118 64.00   72     5   2  3.583519 
  6.  
  7. > aq <- transform(airquality, loglog.ozone=log(Ozone), Ozone=NULL, Month=NULL, WindWind=Wind^2) 
  8. > head(aq,2) 
  9.   Solar.R  Wind Temp Day log.ozone 
  10. 1     190 54.76   67   1  3.713572 
  11. 2     118 64.00   72   2  3.583519 

within 比 transform 靈活些，除數據框外還可以使用其他類型數據，但用法不大一樣，而且函數似乎也不夠完善：

  1. > aq <- within(airquality, { 
  2. + log.ozone <- log(Ozone) 
  3. + squared.wind <- Wind^2 
  4. + rm(Ozone, Wind) 
  5. + } ) 
  6. > head(aq,2) 
  7.   Solar.R Temp Month Day squared.wind log.ozone 
  8. 1     190   67     5   1        54.76  3.713572 
  9. 2     118   72     5   2        64.00  3.583519 
  10.  
  11. > (x <- list(a=1:3, b=letters[3:10], c=LETTERS[9:14])) 
  12. $a 
  13. [1] 1 2 3 
  14. $b 
  15. [1] "c" "d" "e" "f" "g" "h" "i" "j" 
  16. $c 
  17. [1] "I" "J" "K" "L" "M" "N" 
  18.  
  19. > within(x, {log.a <- log(a); d <- paste(b, c, sep=':'); rm(b)}) 
  20. $a 
  21. [1] 1 2 3 
  22. $c 
  23. [1] "I" "J" "K" "L" "M" "N" 
  24. $d 
  25. [1] "c:I" "d:J" "e:K" "f:L" "g:M" "h:N" "i:I" "j:J" 
  26. $log.a 
  27. [1] 0.0000000 0.6931472 1.0986123 
  28. > within(x, {log.a <- log(a); d <- paste(b, c, sep=':'); rm(b,c)}) 
  29. $a 
  30. [1] 1 2 3 
  31. $b   #為什么刪除兩個列表元素會得到這樣的結果？ 
  32.  
  33. NULL 
  34. $c 
  35. NULL 
  36. $d 
  37. [1] "c:I" "d:J" "e:K" "f:L" "g:M" "h:N" "i:I" "j:J" 
  38. $log.a 
  39. [1] 0.0000000 0.6931472 1.0986123 

三、reshape、stack和unstack 函數

reshape是R base/stats的函數，主要用于數據框長格式和寬格式之間的轉換。reshape函數的參數很多，不容易記，牛人Hadley Wickham搞出reshape和reshape2包以后這個函數幾乎被人遺忘：

  1. reshape(data, varying = NULL, v.names = NULL, timevar = "time", 
  2.         idvar = "id", ids = 1:NROW(data), 
  3.         times = seq_along(varying[[1]]), 
  4.         drop = NULL, direction, new.row.names = NULL, 
  5.         sep = ".", 
  6.         split = if (sep == "") { 
  7.             list(regexp = "[A-Za-z][0-9]", include = TRUE) 
  8.         } else { 
  9.             list(regexp = sep, include = FALSE, fixed = TRUE)} 
  10.         ) 

既然可以被遺忘，那就等你走投無路的時候（估計不會有這樣的情況發生）再去了解它吧。

stack 和 unstack 的作用和reshape類似，用于數據框/列表的長、寬格式之間轉換。數據框寬格式是我們記錄原始數據常用的格式，類似這樣：

  1. > x <- data.frame(CK=c(1.1, 1.2, 1.1, 1.5), T1=c(2.1, 2.2, 2.3, 2.1), T2=c(2.5, 2.2, 2.3, 2.1)) 
  2. > x 
  3.    CK  T1  T2 
  4. 1 1.1 2.1 2.5 
  5. 2 1.2 2.2 2.2 
  6. 3 1.1 2.3 2.3 
  7. 4 1.5 2.1 2.1 

一般統計和作圖用的是長格式，stack可以做這個：

  1. > （xx <- stack(x)) 
  2.    values ind 
  3. 1     1.1  CK 
  4. 2     1.2  CK 
  5. 3     1.1  CK 
  6. 4     1.5  CK 
  7. 5     2.1  T1 
  8. 6     2.2  T1 
  9. 7     2.3  T1 
  10. 8     2.1  T1 
  11. 9     2.5  T2 
  12. 10    2.2  T2 
  13. 11    2.3  T2 
  14. 12    2.1  T2 

而unstack的作用正好和stack相反，但是要注意它的第二個參數是公式類型：公式左邊的變量是值，右邊的變量會被當成因子類型，它的每個水平都會形成一列：

  1. > unstack(xx, values~ind) 
  2.    CK  T1  T2 
  3. 1 1.1 2.1 2.5 
  4. 2 1.2 2.2 2.2 
  5. 3 1.1 2.3 2.3 
  6. 4 1.5 2.1 2.1 

四、reshape/reshape2 包

Hadley Wickham，牛人，很牛X的一個人，寫了很多R語言包，著名的有ggplot2, plyr, reshape/reshape2等。reshape2包是reshape包的重寫版，用reshape2就行，都在CRAN源中，用install.packages函數就可以安裝。reshape/reshape2的函數很少，一般用戶直接使用的是melt, acast 和 dcast 函數。

melt是溶解/分解的意思，即拆分數據。reshape/reshape2的melt函數是個S3通用函數，它會根據數據類型（數據框，數組或列表）選擇melt.data.frame, melt.array 或 melt.list函數進行實際操作。

如果是數組（array）類型，melt的用法就很簡單，它依次對各維度的名稱進行組合將數據進行線性/向量化。如果數組有n維，那么得到的結果共有n+1列，前n列記錄數組的位置信息，最后一列才是觀測值：

  1. > datax <- array(1:8, dim=c(2,2,2)) 
  2. > melt(datax) 
  3.   Var1 Var2 Var3 value 
  4. 1    1    1    1     1 
  5. 2    2    1    1     2 
  6. 3    1    2    1     3 
  7. 4    2    2    1     4 
  8. 5    1    1    2     5 
  9. 6    2    1    2     6 
  10. 7    1    2    2     7 
  11. 8    2    2    2     8 
  12.  
  13. > melt(datax, varnames=LETTERS[24:26],value.name="Val") 
  14.   X Y Z Val 
  15. 1 1 1 1   1 
  16. 2 2 1 1   2 
  17. 3 1 2 1   3 
  18. 4 2 2 1   4 
  19. 5 1 1 2   5 
  20. 6 2 1 2   6 
  21. 7 1 2 2   7 
  22. 8 2 2 2   8 

如果是列表數據，melt 函數將列表中的數據拉成兩列，一列記錄列表元素的值，另一列記錄列表元素的名稱；如果列表中的元素是列表，則增加列變量存儲元素名稱。元素值排列在前，名稱在后，越是頂級的列表元素名稱越靠后：

  1. > datax <- list(agi="AT1G10000", GO=c("GO:1010","GO:2020"), KEGG=c("0100", "0200", "0300")) 
  2. > melt(datax) 
  3.       value   L1 
  4. 1 AT1G10000  agi 
  5. 2   GO:1010   GO 
  6. 3   GO:2020   GO 
  7. 4      0100 KEGG 
  8. 5      0200 KEGG 
  9. 6      0300 KEGG 
  10. > melt(list(at_0100=datax)) 
  11.       value   L2      L1 
  12. 1 AT1G10000  agi at_0100 
  13. 2   GO:1010   GO at_0100 
  14. 3   GO:2020   GO at_0100 
  15. 4      0100 KEGG at_0100 
  16. 5      0200 KEGG at_0100 
  17. 6      0300 KEGG at_0100 

如果數據是數據框類型，melt的參數就稍微復雜些：

  1. melt(data, id.vars, measure.vars, 
  2.     variable.name = "variable", ..., na.rm = FALSE, 
  3.     value.name = "value") 

其中 id.vars 是被當做維度的列變量，每個變量在結果中占一列；measure.vars 是被當成觀測值的列變量，它們的列變量名稱和值分別組成 variable 和 value兩列，列變量名稱用variable.name 和 value.name來指定。我們用airquality數據來看看：

  1. > str(airquality) 
  2. 'data.frame':   153 obs. of  6 variables: 
  3.  $ Ozone  : int  41 36 12 18 NA 28 23 19 8 NA ... 
  4.  $ Solar.R: int  190 118 149 313 NA NA 299 99 19 194 ... 
  5.  $ Wind   : num  7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ... 
  6.  $ Temp   : int  67 72 74 62 56 66 65 59 61 69 ... 
  7.  $ Month  : int  5 5 5 5 5 5 5 5 5 5 ... 
  8.  $ Day    : int  1 2 3 4 5 6 7 8 9 10 ... 

如果打算按月份分析臭氧和太陽輻射、風速、溫度三者（列2:4）的關系，我們把它轉成長格式數據框：

  1. > aq <- melt(airquality, var.ids=c("Ozone", "Month", "Day"),  
  2. + measure.vars=c(2:4), variable.name="V.type", value.name="value") 
  3. > str(aq) 
  4. 'data.frame':   459 obs. of  5 variables: 
  5.  $ Ozone : int  41 36 12 18 NA 28 23 19 8 NA ... 
  6.  $ Month : int  5 5 5 5 5 5 5 5 5 5 ... 
  7.  $ Day   : int  1 2 3 4 5 6 7 8 9 10 ... 
  8.  $ V.type: Factor w/ 3 levels "Solar.R","Wind",..: 1 1 1 1 1 1 1 1 1 1 ... 
  9.  $ value : num  190 118 149 313 NA NA 299 99 19 194 ... 

var.ids 可以寫成id，measure.vars可以寫成measure。id（即var.ids）和 觀測值（即measure.vars）這兩個參數可以只指定其中一個，剩余的列被當成另外一個參數的值；如果兩個都省略，數值型的列被看成觀測值，其他的被當成id。如果想省略參數或者去掉部分數據，參數名最好用 id/measure，否則得到的結果很可能不是你要的：

  1. > str(melt(airquality, var.ids=c(1,5,6), measure.vars=c(2:4))) 
  2. 'data.frame':   459 obs. of  5 variables: 
  3.  $ Ozone   : int  41 36 12 18 NA 28 23 19 8 NA ... 
  4.  $ Month   : int  5 5 5 5 5 5 5 5 5 5 ... 
  5.  $ Day     : int  1 2 3 4 5 6 7 8 9 10 ... 
  6.  $ variable: Factor w/ 3 levels "Solar.R","Wind",..: 1 1 1 1 1 1 1 1 1 1 ... 
  7.  $ value   : num  190 118 149 313 NA NA 299 99 19 194 ... 
  8. > str(melt(airquality, var.ids=1, measure.vars=c(2:4)))   #看這里，雖然id只引用了一列，但結果卻不是這樣 
  9. 'data.frame':   459 obs. of  5 variables: 
  10.  $ Ozone   : int  41 36 12 18 NA 28 23 19 8 NA ... 
  11.  $ Month   : int  5 5 5 5 5 5 5 5 5 5 ... 
  12.  $ Day     : int  1 2 3 4 5 6 7 8 9 10 ... 
  13.  $ variable: Factor w/ 3 levels "Solar.R","Wind",..: 1 1 1 1 1 1 1 1 1 1 ... 
  14.  $ value   : num  190 118 149 313 NA NA 299 99 19 194 ... 
  15. > str(melt(airquality, var.ids=1))  #這樣用更慘，結果不是我們要的吧？ 
  16.  
  17. Using  as id variables 
  18. 'data.frame':   918 obs. of  2 variables: 
  19.  $ variable: Factor w/ 6 levels "Ozone","Solar.R",..: 1 1 1 1 1 1 1 1 1 1 ... 
  20.  $ value   : num  41 36 12 18 NA 28 23 19 8 NA ... 
  21. > str(melt(airquality, id=1))  #這樣才行 
  22. 'data.frame':   765 obs. of  3 variables: 
  23.  $ Ozone   : int  41 36 12 18 NA 28 23 19 8 NA ... 
  24.  $ variable: Factor w/ 5 levels "Solar.R","Wind",..: 1 1 1 1 1 1 1 1 1 1 ... 
  25.  $ value   : num  190 118 149 313 NA NA 299 99 19 194 ... 

數據整容有什么用？當然有。別忘了reshape2和ggplot2都是Hadley Wickham的作品，melt 以后的數據（稱為molten數據）用ggplot2做統計圖就很方便了，可以快速做出我們需要的圖形：

  1. library(ggplot2) 
  2.  
  3. aq$Month <- factor(aq$Month) 
  4. p <- ggplot(data=aq, aes(x=Ozone, y=value, color=Month)) + theme_bw() 
  5. p + geom_point(shape=20, size=4) + geom_smooth(aes(group=1), fill="gray80") + facet_wrap(~V.type, scales="free_y") 

R語言進階之四：數據整形（reshape） - xxx - xxx的博客

melt獲得的數據（molten data）可以用 acast 或 dcast 還原。acast獲得數組，dcast獲得數據框。和unstack函數一樣，cast函數使用公式參數。公式的左邊每個變量都會作為結果中的一列，而右邊的變量被當成因子類型，每個水平都會在結果中產生一列。

  1. > head(dcast(aq, Ozone+Month+Day~V.type)) 
  2.   Ozone Month Day Solar.R Wind Temp 
  3. 1     1     5  21       8  9.7   59 
  4. 2     4     5  23      25  9.7   61 
  5. 3     6     5  18      78 18.4   57 
  6. 4     7     5  11      NA  6.9   74 
  7. 5     7     7  15      48 14.3   80 
  8. 6     7     9  24      49 10.3   69 

cast函數的作用不只是還原數據，還可以使用函數對數據進行匯總（aggregate）。事實上，melt函數是為cast服務的，目的是使用cast函數對數據進行aggregate：

  1. > dcast(aq, Month~V.type, fun.aggregate=mean, na.rm=TRUE) 
  2.   Month  Solar.R      Wind     Temp 
  3. 1     5 181.2963 11.622581 65.54839 
  4. 2     6 190.1667 10.266667 79.10000 
  5. 3     7 216.4839  8.941935 83.90323 
  6. 4     8 171.8571  8.793548 83.96774 
  7. 5     9 167.4333 10.180000 76.90000 

五、plyr 包

plyr 的功能已經遠遠超出數據整容的范圍，Hadley在plyr中應用了split-apply-combine的數據處理哲學，即：先將數據分離，然后應用某些處理函數，最后將結果重新組合成所需的形式返回。某些人士喜歡用“揉”來表述這樣的數據處理；“揉”，把數據當面團搗來搗去，很哲，磚家們的磚頭落下來，拍死人絕不償命[[74033]]。

先別哲了，來點實際的：plyr的函數命名方式比較規律，很容易記憶和使用。比如 a開頭的函數aaply, adply 和 alply 將數組（array）分別轉成數組、數據框和列表；daply, ddply 和 dlply 將數據框分別轉成數組、數據框和列表；而laply, ldaply, llply將列表（list）分別轉成數組、數據框和列表。

下面我們看看如何使用ldply函數將ath1121501.db包中的KEGG列表數據轉成數據框：

  1. > library(ath1121501.db) 
  2. > keggs <- as.list(ath1121501PATH[mappedkeys(ath1121501PATH)]) 
  3. > head(ldply(keggs, paste, collapse='; ')) 
  4.         .id                                              V1 
  5. 1 261579_at                                           00190 
  6. 2 261569_at                                           04712 
  7. 3 261583_at 00010; 00020; 00290; 00620; 00650; 01100; 01110 
  8. 4 261574_at                      00903; 00945; 01100; 01110 
  9. 5 261043_at                             00051; 00520; 01100 
  10. 6 261044_at                                           04122 

plyr包的函數較多，不再一一介紹，更多用法請參考它的在線幫助，Hadley 也寫了很詳細的tutorial：http://plyr.had.co.nz/09-user/

原文鏈接：http://helloxxxxxx.blog.163.com/blog/static/21601509520133343821837/?latestBlog

【編輯推薦】

1.R語言學習筆記(1)：R是什么

1.R語言學習筆記(2)：數據類型和數據結構

 

責任編輯：彭凡 來源： 網易博客
R語言
相關推薦

2013-05-16 09:37:14

R語言

2021-08-04 08:56:34

語言Go排序

2013-05-27 13:50:07

大數據

2013-06-03 09:45:53

R語言

2013-05-15 13:32:16

R語言

2014-07-31 09:13:54

R語言MongoDB

2014-08-01 13:40:50

R語言

2015-07-29 11:14:20

r語言數據科學

2022-07-15 16:04:22

R 語言

2017-10-17 11:58:54

R語言UpSetR可視化

2015-08-18 13:33:16

r語言

2018-08-03 11:58:07

美團分布式數據處理可視化

2018-04-20 09:06:11

R語言數據存儲

2013-05-22 08:55:14

R語言

2017-07-05 14:42:13

2009-06-30 16:46:45

Criteria進階查

2022-03-01 09:01:56

SwiftUI動畫進階Canvas

2022-03-09 09:00:41

SwiftUI視圖生成器Swift

2017-08-08 09:15:41

前端JavaScript頁面渲染

2013-05-24 10:01:40

R語言
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板： 91亚洲国产成人精品一区二三 | 妞干网av| 日韩在线观看一区二区三区 | 亚洲成av人影片在线观看 | 午夜在线小视频 | 久久av一区二区三区 | 国产精品激情小视频 | 中文字幕在线观看日韩 | 韩国av一区二区 | 日操操夜操操 | 天堂av影院 | 国内精品视频在线观看 | 日韩一区二区三区四区五区六区 | 日韩久久久久久久久久久 | 国产精品高潮呻吟久久 | 国产精品久久久久久婷婷天堂 | 国产精品久久久久aaaa九色 | 91高清免费 | 在线电影日韩 | 亚洲精品九九 | 亚洲综合成人网 | 在线观看中文字幕视频 | 91久久国产综合久久 | 高清国产午夜精品久久久久久 | 日本久久精品视频 | 中国大陆高清aⅴ毛片 | 伊人狠狠干 | 亚洲福利在线观看 | 亚洲黄色av网站 | 精品一区二区三区在线播放 | 在线观看成人小视频 | 国产伦精品一区二区三毛 | 91久久伊人 | 成人在线视频免费看 | 欧美一二三 | 在线观看视频福利 | 久久久久精| 国产一区二区在线播放 | 精品久久久久久久久久久久久久 | 国产一二区免费视频 | 精品日韩一区 |