参考：张敬信老师：R语言编程
宽变长
每一行只有1个观测的情形
#其实不是很明白“每一行只有1个观测的情形”这个意思
getwd()
[1] "E:/tidy-R/introR-master"
df=read_csv("datas/分省年度GDP.csv")
df %>%
pivot_longer(-地区,names_to = "年份",values_to = "GDP")
# A tibble: 12 x 3
地区 年份 GDP
<chr> <chr> <dbl>
1 北京市 2019年 35371.
2 北京市 2018年 33106.
3 北京市 2017年 28015.
4 天津市 2019年 14104.
5 天津市 2018年 13363.
6 天津市 2017年 18549.
7 河北省 2019年 35105.
8 河北省 2018年 32495.
9 河北省 2017年 34016.
10 黑龙江省 2019年 13613.
11 黑龙江省 2018年 12846.
每一行有多个观测
load("datas/family.rda")
family
# A tibble: 5 x 5
family dob_child1 dob_child2 gender_child1
<int> <date> <date> <int>
1 1 1998-11-26 2000-01-29 1
2 2 1996-06-22 NA 2
3 3 2002-07-11 2004-04-05 2
4 4 2004-10-10 2009-08-27 1
5 5 2000-12-05 2005-02-28 2
# ... with 1 more variable: gender_child2 <int>
family %>%
+ pivot_longer(-family,
+ names_to = c(".value","child"),
+ names_sep = "_",
+ values_drop_na = TRUE)
# A tibble: 9 x 4
family child dob gender
<int> <chr> <date> <int>
1 1 child1 1998-11-26 1
2 1 child2 2000-01-29 2
3 2 child1 1996-06-22 2
4 3 child1 2002-07-11 2
5 3 child2 2004-04-05 2
6 4 child1 2004-10-10 1
7 4 child2 2009-08-27 1
8 5 child1 2000-12-05 2
9 5 child2 2005-02-28 1
长变宽
有一个列名列和一个值列
load("datas/animals.rda")
animals
# A tibble: 228 x 3
Type Year Heads
<chr> <dbl> <dbl>
1 Sheep 2015 24943.
2 Cattle 1972 2189.
3 Camel 1985 559
4 Camel 1995 368.
5 Camel 1997 355.
6 Goat 1977 4411.
7 Cattle 1979 2477.
8 Cattle 2014 3414.
9 Cattle 1996 3476.
10 Cattle 2017 4388.
# ... with 218 more rows
animals %>%
pivot_wider(
names_from = Type,
values_from = Heads,
values_fill = 0
)
# A tibble: 48 x 6
Year Sheep Cattle Camel Goat Horse
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2015 24943. 3780. 368. 23593. 3295.
2 1972 13716. 2189. 625. 4338. 2239.
3 1985 13249. 2408. 559 4299. 1971
4 1995 0 3317. 368. 8521. 2684.
5 1997 14166. 3613. 355. 10265. 2893.
6 1977 13430. 2388. 609 4411. 2104.
7 1979 14400. 2477. 614. 4715. 2079.
8 2014 23215. 3414. 349. 22009. 0
9 1996 13561. 3476. 358. 9135. 2770.
10 2017 30110. 4388. 434. 27347. 3940.
# ... with 38 more rows
多个列名列或多个值列
us_rent_income
#us_rent_income 数据集有两个值列
# A tibble: 104 x 5
GEOID NAME variable estimate moe
<chr> <chr> <chr> <dbl> <dbl>
1 01 Alabama income 24476 136
2 01 Alabama rent 747 3
3 02 Alaska income 32940 508
4 02 Alaska rent 1200 13
5 04 Arizona income 27517 148
6 04 Arizona rent 972 4
7 05 Arkansas income 23789 165
8 05 Arkansas rent 709 5
9 06 California income 29454 109
10 06 California rent 1358 3
# ... with 94 more rows
us_rent_income %>%
pivot_wider(
names_from = variable,
values_from = c(estimate,moe)
)
# A tibble: 52 x 6
GEOID NAME estimate_income estimate_rent
<chr> <chr> <dbl> <dbl>
1 01 Alabama 24476 747
2 02 Alaska 32940 1200
3 04 Arizona 27517 972
4 05 Arkansas 23789 709
5 06 California 29454 1358
6 08 Colorado 32401 1125
7 09 Connecticut 35326 1123
8 10 Delaware 31560 1076
9 11 District of~ 43198 1424
10 12 Florida 25952 1077
# ... with 42 more rows, and 2 more variables:
# moe_income <dbl>, moe_rent <dbl>
长变宽时会遇到的问题
df=tibble(
x=1:6,
y=c(rep(c("A","B","C"),each=2)),
z=c(2.13,3.65,1.88,2.30,6.55,4.21)
)
# A tibble: 6 x 3
x y z
<int> <chr> <dbl>
1 1 A 2.13
2 2 A 3.65
3 3 B 1.88
4 4 B 2.3
5 5 C 6.55
6 6 C 4.21
df %>%
pivot_wider(
names_from = y,
values_from = z
)
# A tibble: 6 x 4
x A B C
<int> <dbl> <dbl> <dbl>
1 1 2.13 NA NA
2 2 3.65 NA NA
3 3 NA 1.88 NA
4 4 NA 2.3 NA
5 5 NA NA 6.55
6 6 NA NA 4.21
df=df %>%
group_by(y) %>%
mutate(n=row_number()) %>%
select(-x)
df
# A tibble: 6 x 3
# Groups: y [3]
y z n
<chr> <dbl> <int>
1 A 2.13 1
2 A 3.65 2
3 B 1.88 1
4 B 2.3 2
5 C 6.55 1
6 C 4.21 2
df %>%
pivot_wider(names_from = y,
values_from = z)
# A tibble: 2 x 4
n A B C
<int> <dbl> <dbl> <dbl>
1 1 2.13 1.88 6.55
2 2 3.65 2.3 4.21
回头再看一下，所谓的各组内值唯一识别，比如 A 组有两个数 2.13 和 3.65, 给了它们唯一识别: n
= 1 和 n = 2, 当然 1 和 2 换成其他的两个不同值也是一样的，这样就知道谁作为第一个样本（行），谁
作为第二个样本（行）。否则两个数无法区分，只能放到一个列表里了，就是前面的错误结果 + 警告。
网友评论