《R数据科学实战：工具详解与案例分析 》 —2.3.2　gather/spread—“长”“宽”数据转换

2.3.2　gather/spread—“长”“宽”数据转换

1. gather—“宽”变“长”

2.1节讨论了“宽”数据格式的弊端，所以推荐将数据转换成“长”数据—全部变量名称为一列，相关数值为一列。gather函数因此而生。图2-1所示的示例用箭头标识出了数据由“宽”变“长”的具体路线。在理想情况下，整洁的数据框应为如图2-1a所示的格式，因子水平一列（性别），变量（或指标）一列，剩余所有数值型数据一列。

读者可以使用2.2.2节中介绍的tribble函数来构建如图2-1b所示的“脏”数据框，然后使用以下代码实现从“脏”和“宽”的形式到“干净”和“长”的转换。在代码清单2-1中，笔者将“脏”数据保存在名为df的数据框中（此处略去创建数据集的代码），然后使用管道函数“%>%”，将df传递给gather函数（中文释义见表2-13），因为管道函数的存在，所以无须重新引用df，而以“.”来代替，指定指标列为key，数值列为value，保留序号列（保留列需要使用负号加列名的形式进行设置），并移除默认值。之后会得到一个中间产物数据框，该数据框指标列中的“性别”和指标虽然以空格分隔开，但仍然在一列中，不满足“干净”数据的原则。所以再次使用管道函数将中间产物的数据框，传递给函数separate（详见2.3.3节），将key列拆分成两列，分别为性别和key，此时的数据库便如图2-1a所示。

图2-1　“宽”数据变“长”数据示意图

代码清单2-1　gather和separate函数基本使用示例

  > df %>%

gather(data = .,key = key, value = value, ... = -序号, na.rm = T) %>%

separate(data = .,key, into = c("性别","key"))

小知识

上述代码中的“%>%”为'magrittr'包中的 forward-pipe operator，中文可以理解为管道函数。该函数能够与'tidyverse'内的所有函数完美结合使用，且易于理解记忆。有兴趣的读者可以尝试运行指令“?'%>%'”来查看具体的英文帮助。

因为tidy系列中各个的函数的结构非常简洁清晰，因此当读者熟悉各种参数的位置情况之后，完全可以省略各种参数名称，而只依靠位置来进行传参，具体代码如下：

  > df %>%

gather(key, value, -序号, na.rm = T) %>%

separate(key, c("性别","key"))

表2-13　gather函数中的参数及功能说明

2. spread—“长”数据变“宽”

函数spread是gather函数的逆向函数，即将“长”数据转换成“宽”数据。图2-2简要展示了函数的执行规则，将key列中的变量单独拆分成新列，value列中与变量中对应的数值同样会按规则进行放置。读者可以参考表2-14中的中文释义自行练习代码。

图2-2　“长”数据变“宽”数据示意图

表2-14　函数spread参数及功能说明对照表