Question

最近我使用dplyr进行所有数据操作，它是一个很好的工具。但是我无法使用dplyr融合或转换数据框。有没有办法做到这一点？现在我正在使用reshape2来实现这个目的。

我想要'dplyr'解决方案：

require(reshape2)
data(iris)
dat <- melt(iris,id.vars="Species")

Answer 1

reshape2的继任者是tidyr。 melt()和dcast()的等效值分别为gather()和spread()。那么等同于你的代码就是

library(tidyr)
data(iris)
dat <- gather(iris, variable, value, -Species)

如果您导入了magrittr，则可以使用dplyr中的管道运算符，即写入

dat <- iris %>% gather(variable, value, -Species)

请注意，您需要明确指定变量和值名称，这与melt()不同。我发现gather()的语法非常方便，因为您可以指定要转换为长格式的列，或者通过在前面加上' - '来指定要保留在新数据框中的列（就像上面的Species一样，它的输入速度比melt()快一些。但是，我注意到，至少在我的计算机上，tidyr明显慢于reshape2。

编辑在回复下面@hadley的评论时，我发布了一些时间信息，比较了我电脑上的两个功能。

library(microbenchmark)
microbenchmark(
    melt = melt(iris,id.vars="Species"), 
    gather = gather(iris, variable, value, -Species)
)
# Unit: microseconds
#    expr     min       lq  median       uq      max neval
#    melt 278.829 290.7420 295.797 320.5730  389.626   100
#  gather 536.974 552.2515 567.395 683.2515 1488.229   100

set.seed(1)
iris1 <- iris[sample(1:nrow(iris), 1e6, replace = T), ] 
system.time(melt(iris1,id.vars="Species"))
#    user  system elapsed 
#   0.012   0.024   0.036 
system.time(gather(iris1, variable, value, -Species))
#    user  system elapsed 
#   0.364   0.024   0.387 

sessionInfo()
# R version 3.1.1 (2014-07-10)
# Platform: x86_64-pc-linux-gnu (64-bit)
# 
# locale:
#  [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
#  [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
#  [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
#  [7] LC_PAPER=en_GB.UTF-8       LC_NAME=C                 
#  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
# [11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       

# attached base packages:
# [1] stats     graphics  grDevices utils     datasets  methods   base     
# 
# other attached packages:
# [1] reshape2_1.4         microbenchmark_1.3-0 magrittr_1.0.1      
# [4] tidyr_0.1           
# 
# loaded via a namespace (and not attached):
# [1] assertthat_0.1 dplyr_0.2      parallel_3.1.1 plyr_1.8.1     Rcpp_0.11.2   
# [6] stringr_0.6.2  tools_3.1.1

Answer 2

此外，演员阵容可以使用tidyr::spread()

你的例子

library(reshape2)
library(tidyr)
library(dplyr)

# example data : `mini_iris`
(mini_iris <- iris[c(1, 51, 101), ])

# melt
(melted1 <- mini_iris %>% melt(id.vars = "Species"))         # on reshape2
(melted2 <- mini_iris %>% gather(variable, value, -Species)) # on tidyr

# cast
melted1 %>% dcast(Species ~ variable, value.var = "value") # on reshape2
melted2 %>% spread(variable, value)                        # on tidyr

Answer 3

使用@Lovetoken的mini_iris示例添加上述答案（对于评论来说这太复杂了） - 对于那些不了解融化和投射含义的新手。

library(reshape2)
library(tidyr)
library(dplyr)

# example data : `mini_iris`
mini_iris <- iris[c(1, 51, 101), ]

# mini_iris
#Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
#1            5.1         3.5          1.4         0.2     setosa
#51           7.0         3.2          4.7         1.4 versicolor
#101          6.3         3.3          6.0         2.5  virginica

Melt正在采用数据框并扩展为一长串值。效率不高，但如果您需要组合数据集，则可能非常有用。 想象一下在桌面上融化并展开的冰块的结构。

melted1 <- testiris %>% melt(id.vars = "Species")

> nrow(melted1)
[1] 12

head(melted1)
# Species     variable      value
# 1     setosa Sepal.Length   5.1
# 2 versicolor Sepal.Length   7.0
# 3  virginica Sepal.Length   6.3
# 4     setosa  Sepal.Width   3.5
# 5 versicolor  Sepal.Width   3.2
# 6  virginica  Sepal.Width   3.3

您可以看到数据现在如何分成多行值。列名现在是变量列中的文本。

强制转换会重新组合回data.table或data.frame。

如何使用dplyr融合和转换数据帧？

3 个答案: