R for Data Science （七）

Tidy data

• 每个变量必须有自己的列

• 每个观察必须有自己的行

• 每个值必须有自己的单元格

mark

这意味着对于大多数真正的分析，你需要做一些整理。第一步总是找出变量和观测值。有时这很简单;其他时候，您需要与最初生成数据的人员进行协商。第二步是解决两个常见问题之一:

一个变量可能跨多个列分布。

一个观察可能分散在多行中。

通常，数据集只会遇到这些问题之一;只有当你真的不走运时，它才会同时遭受这两种痛苦!要解决这些问题，您需要tidyr中的两个最重要的函数:gather()和spread()。

gather()和spread()

gather函数字如其意，就是代表数据的融合，聚合，下面这张图就很好展示出其含义

mark

这个表就是将原始表格的时间列融合成两个新变量，year和cases，建立一种一一对应关系。

代码：

library(tidyverse)
table4a %>%
 gather(`1999`, `2000`, key = 'year', value = 'cases')


mark

这个函数两个重要的点：第一 key这个参数，代表把前面需要融合的变量融合进一个新的变量里面，并且命名为year，其对应的值为另一个新的变量，列名字为case，这句代码就是用两个变量融合之后产生新的两个变量

当然下面的也是啦

table4b %>%
 gather(`1999`, `2000`, key = 'year', value = 'population')


mark

Spreading

这个函数可能稍微有点难理解，他做的就是把数据按照type类型进行填充

table2
spread(table2, key = type, value = count)


mark

可以看到在原始表格中type类型就只有两种，分别是case和population

然后我们把type变量传递给了key参数，相当于就只会产生新的两列，也就是说type有几个类别，就会产生新的几列，

然后value值使用count这一列来填充

下面我们再看一下数据的切割和整合

Separating and uniting

Separating函数是对数据进行切割出列，默认是可以匹配任意字符（标点字符）

table3
table3 %>%
+     separate(rate, into = c('cases', 'population'))


mark

这个我们就清楚了，就是把rate这一列按照 / 符号分成两列，且列名为case，population

如果希望使用特定的字符分隔列，可以将该字符传递给sep的separate()参数。例如，我们可以将上面的代码重写为:

table3 %>%
 separate(rate, into = c('cases', 'population'), sep = '/')


仔细查看列类型:您将注意到大小写和填充都是字符列。这是separate()中的默认行为:它保留列的类型不变。但是在#####这里，它并不是很有用，因为这些都是数字。我们可以要求separate()使用更好的类型进行尝试和转换

table3 %>%
 separate(rate, into = c('cases', 'population'), convert = TRUE)


mark

Unite

unite是sperate的反函数，代表的是组合

mark

table5 %>%
 unite(new, century, year)


在这种情况下，我们还需要使用sep参数。默认情况下，在来自不同列的值之间放置下划线(_)。这里我们不需要任何分#####隔符，所以我们使用“”

table5 %>%
 unite(new, century, year, sep = '')


mark

---