R语言基础入门(8) tidyverse中的专职函数(中)

本节继续来介绍tidyverse中执行特殊功能的一些函数

• separate 1列变多列
• separate_rows 将折叠行展开
• unite 多列合并为1列

unite 多列合并

library(tidyverse)
library(magrittr)

iris %>% as_tibble() %>% 
  unite(.,col="Sepal",Sepal.Length:Sepal.Width,sep="|",
        remove = T,na.rm = F)

   Sepal   Petal.Length Petal.Width Species
   <chr>          <dbl>       <dbl> <fct>  
 1 5.1|3.5          1.4         0.2 setosa 
 2 4.9|3            1.4         0.2 setosa 

unite 函数有5个参数

• col 设置合并后列的名称
• sep 指定分隔符
• remove 如果为TRUE，则从输出数据框中删除输入列
• na.rm 如果为TRUE，则在合并数据之前删除缺失值

上面的案例我们将2列合并成了1列，那么如果我们的数据有20列也需要2列合并为一列，此时该如何操作，请继续往下看

data <- iris %>% select_if(is.numeric)

result <- list(); b <- 2
for (i in 1:(data %>% ncol() / b)) {
  result[[i]] <- data %>%
    select((b * i - b + 1):(b * i) %>% all_of()) %>%
    unite(.,A,sep="_",remove = T,na.rm = F)
}

df <- result %>% as.data.frame() %>% 
  set_colnames(c("Sepal","Petal")) %>% as_tibble()

df

   Sepal   Petal  
   <chr>   <chr>  
 1 5.1_3.5 1.4_0.2
 2 4.9_3   1.4_0.2
 3 4.7_3.2 1.3_0.2

通过上面的for循环操作我们完成了数据的合并，这段代码还有别的用处，以后再一一介绍

sperate拆分列

df %>% separate(`Sepal`,into=c("A","B"),sep="_")

   A     B     Petal  
   <chr> <chr> <chr>  
 1 5.1   3.5   1.4_0.2
 2 4.9   3     1.4_0.2
 3 4.7   3.2   1.3_0.2

只取分隔符前的列

df %>% separate(`Sepal`,into="Sepal",sep="_")

上面的只是一般的情况，实际中肯定有更复杂的需求，试想如果有多列需要拆分那该如果处理，请继续往下看

dt <- data.frame(Group = c(rep("A",5),rep("B",5)),
                 A1 = c(rep("A1_B",5),rep("B1_C",5)),
                 A2 = c(rep("A2_D",5),rep("B2_A",5)))

dt %>% as_tibble()

   Group A1    A2   
   <chr> <chr> <chr>
 1 A     A1_B  A2_D 
 2 A     A1_B  A2_D 
 3 A     A1_B  A2_D 
 4 A     A1_B  A2_D 

dt %>%
  mutate_at(vars(-Group),~str_split(.,"_",simplify=TRUE)[,2])

   Group A1 A2
1      A  B  D
2      A  B  D
3      A  B  D
4      A  B  D
5      A  B  D
6      B  C  A
7      B  C  A

separate 参考案例

sparate_rows将折叠的行展开

示例1

df <- tibble(
  x = 1:3,y = c("a", "d_e_f", "g_h"),
  z = c("1", "2", "5"))

df

      x y     z    
  <int> <chr> <chr>
1     1 a     1    
2     2 d_e_f 2    
3     3 g_h   5 

separate_rows(df,y, z,convert=TRUE,sep="_")

      x y         z
  <int> <chr> <int>
1     1 a         1
2     2 d         2
3     2 e         2
4     2 f         2
5     3 g         5
6     3 h         5

示例2

d <- data.frame(a=c(1:3), 
                b=c("name1,name2,name3","name4","name5,name6"),
                c=c("name7","name8,name9","name10"))
d

  a                   b            c
1 1 name1, name2, name3        name7
2 2               name4 name8, name9
3 3        name5, name6       name10

d %>% separate_rows(b) %>% separate_rows(c)

      a b     c     
  <int> <chr> <chr> 
1     1 name1 name7 
2     1 name2 name7 
3     1 name3 name7 

加入for循环

cols <- c("b", "c")
for(col in cols) {
  d <- separate_rows_(d, col)
}

d

sparate_rows 参考案例

另外一种展开折叠行的方法

df %>% rowwise() %>%
  mutate(y= y %>% strsplit(.,split = "_")) %>%
  unnest_longer(col = y) %>% ungroup()

      x y     z    
  <int> <chr> <chr>
1     1 a     1    
2     2 d     2    
3     2 e     2    

喜欢的小伙伴欢迎关注我的公众号

R语言数据分析指南，持续分享数据可视化的经典案例及一些生信知识，希望对大家有所帮助