《R数据科学实战：工具详解与案例分析 》 —2.3.6　separate_rows/nest/unest—行数据处理

2.3.6　separate_rows/nest/unest—行数据处理

1. separate_rows—拆分“单元格”

当遇到一个数据单位中出现多个数值的情况时，separate_rows函数就会显得非常有用。图2-3中展示了最基本的函数逻辑，将一个数据单位中的不同数值按照参数进行sep中给出的参进行数拆分，然后将拆分之后的结果顺序地放在同一列的不同行中，并自动增加行数。

图2-3　separate_rows函数的工作原理示意图

separate_rows函数的参数及功能说明详见表2-18。

表2-18　separate_rows函数的参数及功能说明对照

2. nest/unest—“压缩”和“解压缩”行数据

nest/unest是两个互逆函数，它们最重要的功能是将一个数据框，按照用户自定义的规则，将其压缩成一个新的数据框，新的数据框中包含列表型数据。Jenny Bryan认为这是目前最有实际操作意义的数据框形式，因为它比较符合人们对数据集形式的一般主观印象，而且数据框同时还保留了列表格式的灵活性。下面就来通过代码具体介绍nest函数的实现机制。

将2.3.4节中清理后的数据保存为df_tidy，然后再将该数据框传递给nest函数，并设定压缩除性别列以外的变量。函数运行的结果是生成了一个只有两列的新数据框，变量为性别和data，其中，data列包含了原数据框中其他三个变量的数据（具体见表2-19）。变量data列中的列表格式将三个变量存储为三个独立的元素，如果读者对两个列表中任意一个进行as_tibble运算，都会得到一个完整的数据框。示例代码如下：

  > df_tidy %>%

nest(-性别)

上述代码运行结果如表2-19所示。

表2-19　函数nest运行结果一

将序号列排除在外，压缩其余变量列，代码如下：

  > df_tidy %>%

nest(-序号)

上述代码运行结果如表2-20所示。

表2-20　函数nest运行结果二

单独使用nest函数没有任何实际价值，但是当配合循环（第4章）和purrr包（第5章）中的map函数家族时，nest函数就会显示出强大的功能性。对dplyr包有一定了解的读者可以跳过第3章，直接查看nest与其他具有循环功能的函数结合使用的例子。

表2-21和表2-22中列举了nest/unest这一对函数的参数及功能说明。需要提醒读者一点的是，如果需要使用unnest函数“解压缩”两列及以上时，那么每一列中数据框的行数都必须相等，否则无法成功“解压”。

表2-21　函数nest参数及功能说明对照

表2-22　函数unnest参数中英文对照