这篇文章主要讲解了“R语言的tidyr包怎么用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“R语言的tidyr包怎么用”吧！

前言

reshape2包在数据处理阶段帮助我们很容易的实现长宽格式数据之间的转换。tidyr包可以看作是reshape2包的进化版本，该包的作者依旧是Rstudio的首席科学家，R语言界的大神Hadley Wickham。tidyr包往往与dplyr包结合使用，目前渐有取代reshape2包之势, 是值得关注的一个R包。

在tidyr包中，有四个常用的函数，分别是：

• gather()：宽数据转换为长数据，将行聚集成列

• spread()：长数据转换为宽数据，将列展开为行

• unite()：多列合并为一列

• separate()：将一列分离为多列.

接下来我们主要对这四个函数进行详细学习，并在此基础上学习tidyr包其他的一些实用功能。

一、gather()函数

导入所用的包

> library(dplyr)
> library(tidyr)

如前面所说，gather()函数是将宽数据转换为长数据，调用公式如下：

> gather(data=,key=,value=,...,na.rm=,convert=,factor_key=)
# key：创建一个新的列名，原数据的旧列名成为新列名的观测值
# value：再创建一个新的列名，原数据的所有旧列名的观测值成为新列名的观测值
# ...：按照实际需要自行指定需要转换的列
# na.rm：逻辑值，是否删除缺失值
# convert：逻辑值，在key列是否进行数据类型转换
# factor_key:逻辑值，若是F，则key自动转换为字符串，反之则是因子（原始lever水平保持不变）

首先我们先查看原始数据：

> head(iris,3)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa

使用gather()函数进行数据重塑（代码中'%>%'为管道函数，这也是我们为什么要载入dplyr包的原因，关于管道函数，详见R Language Learning：dplyr包（十一））

> iris %>%
+ gather(key=var1,value = var2,...=1:4,na.rm = F) %>%
+ arrange(desc(var2)) %>%
+ head(3)
       Species         var1 var2
1    virginica Sepal.Length  7.9
2    virginica Sepal.Length  7.7
3    virginica Sepal.Length  7.7

二、spread()函数

spread()函数将长数据转为宽数据，即将列展开为行，调用公式如下：

> spread(data = ,key = ,value = ,fill = ,convert = ,drop = )
# key:指定转换的某列，其观测值作为转换后的列名
# value:其他列的观测值分散到相对应的各个单元
# fill:设定某个值，替换缺失值

我们使用R中的economics数据集来使用学习这一函数。

# 提取原数据集前三列
> data <- economics[1:3]
> head(data，3)
# A tibble: 3 × 3
        date   pce    pop
      <date> <dbl>  <int>
1 1967-07-01 507.4 198712
2 1967-08-01 510.5 198911
3 1967-09-01 516.3 199113

# 由于手边没有合适的长数据，所以我们先使用gather函数生成一份新的长数据，并假定我们要对这一份长数据进行列转行
> data %>%
+ gather(key=var1,value = var2,-date) %>%
+ head(3)
# A tibble: 3 × 3
         date  var1  var2
       <date> <chr> <dbl>
1  1967-07-01   pce 507.4
2  1967-08-01   pce 510.5
3  1967-09-01   pce 516.3
# -date:默认数据集中的date不做变化

# 使用spread()函数进行了长数据向宽数据的转换
# 原有的var1变量作为转换后的列名，var2变量值作为相应的观测值分散到各列
> data %>%
+ gather(key = var1,value = var2,-date) %>%
+ spread(key = var1,value = var2) %>%
+ head(3)
# A tibble: 3 × 3
         date   pce    pop
       <date> <dbl>  <dbl>
1  1967-07-01 507.4 198712
2  1967-08-01 510.5 198911
3  1967-09-01 516.3 199113

三、unit()函数

unite()函数是将数据框中多列合并为一列，调用公式如下：

> unite(data = ,col = ,... = ,sep = ,remove = )
# col:指定组合为新列的名字
# ...:指定数据中哪些列组合在一起
# sep：组合后新列中数据之间的分隔符
# remove:逻辑值，是否保留参与组合的列

# 数据准备
> date <- as.Date('2016-11-01') + 0:29
> hour <- sample(1:24,replace = TRUE,30)
> min <- sample(1:60,replace = TRUE,30)
> second <- sample(1:60,replace = TRUE,30)
> event <- sample(letters,30,replace = TRUE)
> data <- data.frame(date,hour,min,second,event)
> head(data,3)
        date hour min second event
1 2016-11-01   23  59     11     y
2 2016-11-02   21  12      4     u
3 2016-11-03    2  55     42     i

在这里，我们使用unite()函数将日期和时间数值合并到一列上。

# date和hour用空格连接
# datehour与时间数值用':'连接
> data %>%
+ unite(datehour,date,hour,sep=' ') %>%
+ unite(datetime,datehour,min,second,sep=':') %>%
+ head(3)
              datetime event
1  2016-11-01 23:59:1      y
2  2016-11-02 21:12:4      u
3  2016-11-03 2:55:42      i

四、separate()函数

在学习了unite()函数后，separate()函数就很好理解了，它的作用正好和unite相反，即将数据框中的某列按照分隔符拆分为多列，一般用于时间序列的拆分，调用公式如下：

> separate(data = ,col = ,into = ,sep = ,remove = ,
+ convert = ,extra = ,fill = ,...)
# col：待拆分的某列
# into:定义拆分后新的列名
# sep:分隔符
# remove:逻辑值，是否删除拆分后的列

我们使用上一节得到的时间数据集，定义为data_unite，并对它进行拆分

# 先拆分日期和时间，在对时间进行细拆分
> data_unite %>%
+ separate(datetime,c('date','time'),sep=' ') %>%
+ separate(time,c('hour','min','second'),sep=':') %>%
+ head(3)
         date hour min second event
1  2016-11-01   23  59      1     y
2  2016-11-02   21  12      4     u
3  2016-11-03    2  55     42     i

五、缺失值的简单补齐

> library(readxl)
> data <- read_excel('data.xlsx')
> data
# A tibble: 8 × 2
   type   num
  <chr> <dbl>
1     a    75
2     b    72
3  <NA>    66
4     a    NA
5     c    69
6     b    65
7     a    72
8     c    NA

从上面的数据中，我们可以看到类型与数值都存在缺失值。对于类型的缺失值，我们选择众数替换，对于数值型的缺失值，我们选择均值替换（也可选择中位数等，视具体情况而定）

> num_mean <- mean(data$num, na.rm = TRUE)
> type_mode <- as.character(data$type[which.max(table(data$type))])
> data <- replace_na(data = data, replace = list(num = num_mean, 
+ type = type_mode))
> data
# A tibble: 8 × 2
   type      num
  <chr>    <dbl>
1     a 75.00000
2     b 72.00000
3     a 66.00000
4     a 69.83333
5     c 69.00000
6     b 65.00000
7     a 72.00000
8     c 69.83333

感谢各位的阅读，以上就是“R语言的tidyr包怎么用”的内容了，经过本文的学习后，相信大家对R语言的tidyr包怎么用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是云，小编将为大家推送更多相关知识点的文章，欢迎关注！