R 编程中的 tidyr 包

简介

tidyr 包是一个 R 语言中的数据整理工具。它可以帮助我们轻松地将不同形式的数据整理成 Tidy Data 的形式，从而方便我们进行数据分析和可视化操作。

Tidy Data 概念来源于 Hadley Wickham 在论文 "Tidy Data" 中提出的数据时序，它具备以下三个特征：

1. 每个变量单独占据一列。
2. 每个观察单独占据一行。
3. 每个值单独占据一个单元格。

符合 Tidy Data 规范的数据更加易于处理和分析。

安装

你可以在 R 中使用以下命令安装 tidyr 包：

install.packages("tidyr")

常用函数

下面介绍一些 tidyr 包中常用的函数：

gather()

gather() 函数用于将宽数据（wide format）转换为长数据（long format）。

gather(data, key, value, columns, factor_key = FALSE, na.rm = FALSE)

参数说明：

• data：需要转换的数据集。
• key：新生成的变量列名。
• value：新生成的值列名。
• columns：需要转换的列名，支持传入多个列名。
• factor_key：是否将 key 列转换成 factor 类型，默认值为 FALSE。
• na.rm：是否移除缺失值，默认值为 FALSE。

示例：

library(tidyr)

data <- data.frame(id = 1:3, name = c("Tom", "Jerry", "Joe"), score_math = c(80, 90, 85), score_eng = c(70, 85, 92))
data_long <- gather(data, subject, score, score_math:score_eng)

print(data_long)

输出结果：

  id  name subject score
1  1   Tom math      80
2  2 Jerry math      90
3  3   Joe math      85
4  1   Tom eng       70
5  2 Jerry eng       85
6  3   Joe eng       92

spread()

spread() 函数用于将长数据（long format）转换为宽数据（wide format）。

spread(data, key, value, fill = NA, convert = FALSE)

参数说明：

• data：需要转换的数据集。
• key：需要转换的变量列名。
• value：新生成的数值列名。
• fill：缺失值填充值，默认为 NA。
• convert：是否类型转换，默认为 FALSE。

示例：

library(tidyr)

data_long <- data.frame(id = c(1, 2, 2, 3), subject = c("math", "math", "eng", "eng"), score = c(80, 90, 85, 92))
data_wide <- spread(data_long, subject, score)

print(data_wide)

输出结果：

  id eng math
1  1  NA   80
2  2  85   90
3  3  92   NA

总结

tidyr 包是一个非常实用的 R 语言中的数据整理工具，提供了多种常用函数方便我们将不同形式的数据整理为 Tidy Data 的形式。掌握 tidyr 包的使用技巧可以大大提升我们的数据处理和分析能力。