关于程序员:R语言学习丨数据重塑拆分与组合基础知识mergemeltcast函数介绍

明天学习 R 语言中 数据重塑 相干基础知识，次要有 merge、melt、cast 函数用法示例。公众号：生信剖析笔记

merge（）函数可能以一列为参考合并两个不同数据框，相当于数学中的布尔运算“交加、并集、反补集”，没有的元素定为 NA，语法格局如下：

merge(x, y,  #数据框
by = intersect(names(x), names(y)), #制订匹配列名称
by.x = by, by.y = by, #指定两个数据框中匹配列名称，默认状况下应用两个数据框中雷同列名称。all = FALSE,  #默认取交加，若 TRUE 则为并集
all.x = all,  #取 x 的选集和交加
all.y = all,  #取 y 的选集和交加
sort = TRUE,  #排序，默认关上
suffixes = c(".x",".y"), #后缀，当合并后的 x,y 矩阵有雷同的列名时，应用后缀表明出处，默认后缀为.x, .y
no.dups = TRUE, #是否将上一个参数扩大到更多状况下，以避免出现反复的列名
incomparables = NULL, …)

by.x 和 by.y 是用来通知 merge 函数取出 x（第一个数据框）的 by.x 列和 y（第二个数据框）的 by.y 列中具备雷同取值的行进行合并，其余的丢掉，另外如果指定了其中一个，那么另一个就必须同时指定，不然就报错。

老规矩，接下来演示：

> #合并两个不同内容的数据框，交并补三种形式。> df1 <- data.frame(id = c(1:4),name = c("jack","jeson","lucky","poler"))
> df2 <- data.frame(id = c(2,4,6),home = c("zhong","han","mei"))

下面咱曾经建设了俩数据框，df1 有 4 个 ID，每个 id 对应 4 个名字，共 4 行。

> # 生成两个数据框，行数不一样，但有重叠区域
> df3 <- merge(x = df1,y = df2,by = "id")
> #以 id 列为准进行合并，两个数据框中只有序号 2、4 同时存在，默认取交加。> print(df3)
  id  name  home
1  2 jeson zhong
2  4 poler   han

通过 id 为准来合并两个数据框，其中 df1 中 id 的 2 和 4 在 df2 中也存在，属于两者独特交加，因而输入的只有这俩。

> df4 <- merge(x=df1,y=df2,by="id",all=TRUE)
> #输入两个数据框的并集
> print(df4)
  id  name  home
1  1  jack  <NA>
2  2 jeson zhong
3  3 lucky  <NA>
4  4 poler   han
5  6  <NA>   mei

增加了all=TRUE，示意全副合并，取并集，没有元素用 NA，共 6 条后果。

> df5 <- merge(x=df1,y=df2,by="id",all.x=TRUE)
> #输入（df1 的全副）和（df1 与 df2 的交加）> print(df5)
  id  name  home
1  1  jack  <NA>
2  2 jeson zhong
3  3 lucky  <NA>
4  4 poler   han

all.x示意右边数据框的全副数据都保留，上面同理输入左边数据框的全副。

> df6 <- merge(x=df1,y=df2,by="id",all.y=TRUE)
> #输入（df2 的全副）和（df1 与 df2 的交加）> print(df6)
  id  name  home
1  2 jeson zhong
2  4 poler   han
3  6  <NA>   mei

为了更好的了解，用下图来阐明，all 参数管制合并时布尔运算逻辑。

R 语言应用 melt() 和 cast() 函数来对数据进行整合和拆分，该性能须要借助 R 包来实现，首先装置 R 包并载入：

install.packages("MASS", repos = "https://mirrors.ustc.edu.cn/CRAN/") 
install.packages("reshape2", repos = "https://mirrors.ustc.edu.cn/CRAN/") 
install.packages("reshape", repos = "https://mirrors.ustc.edu.cn/CRAN/")

library(MASS)
library(reshape2)
library(reshape)

melt 和 dcast 函数都是来自于 reshape2 程序包的函数，melt 的作用为将宽数据转化为长数据，而 dcast 的作用为将长数据转化为宽数据，二者互为“逆函数”。如下图：

### melt（）函数
英语中 melt 的意思是消融，咱们能够了解为将很多数据消融成具备肯定规定的数据，不便后续剖析。

数据分析时，采纳的数据通常是宽数据，在进行图形绘制时，经常须要将多列搁置在一列中，例如须要在同一张图中绘制出三个终局的工夫序列，那么就须要将原来的三个终局变量转化为一个三分类变量的列，而后将这个三分类变量映射为点图的色彩或形态等图形属性，这样就实现了绘图的需要。

个别样本数据都有很多个不同的属性和值，列表会有好多列很宽，melt 函数可能将列表由宽变窄，值被按程序排成一列了。函数的语法格局：

 melt(data, ...,  #数据集
     na.rm = FALSE, #是否删除数据中的 NA
     value.name = "value") #变量名称

接下来进行实例演示，创立一个数据框，数据有两列为标识，另外两列为值，用于后续操作。

> id<- c(1, 1, 2, 2)
> lei <- c(1, 2, 1, 2)
> x1 <- c(5, 3, 6, 2)
> x2 <- c(6, 5, 1, 4)
> data_1 <- data.frame(id,lei,x1,x2)
> print(data_1)
  id lei x1 x2
1  1   1  5  6
2  1   2  3  5
3  2   1  6  1
4  2   2  2  4
> out_1 <- melt(data_1,id = c("id","lei"))
> print(out_1)
  id lei variable value
1  1   1       x1     5
2  1   2       x1     3
3  2   1       x1     6
4  2   2       x1     2
5  1   1       x2     6
6  1   2       x2     5
7  2   1       x2     1
8  2   2       x2     4

由下面的后果能够看出 melt 函数的作用是将本来横着排列的列堆在一个列里，每一行只留下一个值。

cast（） 函数用于对合并对数据框进行还原，dcast() 返回数据框，语法格局如下：

dcast(
  data, #待处理的数据框
  formula, #重塑的数据格式，x~y
  fun.aggregate = NULL, #聚合函数
  subset = NULL, #对后果进行筛选
  drop = TRUE, #是否保留默认值
  value.var = guess_value(data) #待处理的字段
)

首先，创立一个数据框，并把它用 melt 函数整合。

> id<- c(1, 1, 2, 2)
> time <- c(1, 2, 1, 2)
> x1 <- c(5, 3, 6, 2)
> x2 <- c(6, 5, 1, 4)
> mydata <- data.frame(id, time, x1, x2)
> md <- melt(mydata, id = c("id","time"))
> print(md)
  id time variable value
1  1    1       x1     5
2  1    2       x1     3
3  2    1       x1     6
4  2    2       x1     2
5  1    1       x2     6
6  1    2       x2     5
7  2    1       x2     1
8  2    2       x2     4

接下来，尝试用 cast 函数对其进行拆分。

> cast.data <- cast(md, id~variable, mean)
> print(cast.data)
  id x1  x2
1  1  4 5.5
2  2  4 2.5

还能够尝试用不同的参数，以不同的形式进行拆分。 ~ 符号的后面示意列，前面示意值，用法有点相似 Excel 中数据透视表性能。

> time.cast <- cast(md, time~variable, mean) 
#输入内容是不同 time 下 variable 的值
> print(time.cast)
  time  x1  x2
1    1 5.5 3.5
2    2 2.5 4.5
> id.time <- cast(md, id~time, mean)
#输入内容是不同 id 下 time 的值
> print(id.time)
  id   1 2
1  1 5.5 4
2  2 3.5 3
> id.time.cast <- cast(md, id+time~variable)
#输入内容是不同 id 和不同 time 下 variable 的值
> print(id.time.cast)
  id time x1 x2
1  1    1  5  6
2  1    2  3  5
3  2    1  6  1
4  2    2  2  4
> id.variable.time <- cast(md, id+variable~time)
# 输入内容是不同 id 和 variable 下 time 的值
> print(id.variable.time)
  id variable 1 2
1  1       x1 5 3
2  1       x2 6 5
3  2       x1 6 2
4  2       x2 1 4
> id.variable.time2 <- cast(md, id~variable+time)
#输入内容是不同 id 下不同 time 和值
> print(id.variable.time2)
  id x1_1 x1_2 x2_1 x2_2
1  1    5    3    6    5
2  2    6    2    1    4

参考资料：https://www.runoob.com/r

本文由 mdnice 多平台公布

关于程序员:R语言学习丨数据重塑拆分与组合基础知识mergemeltcast函数介绍

合并数据框

数据整合拆分

cast（）函数