用ChatGPT解决这个技术问题 Extra ChatGPT

将 data.frame 从宽格式重塑为长格式

将我的 data.frame 从宽表转换为长表时遇到了一些麻烦。目前它看起来像这样： 

Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246

现在我想把这个 data.frame 转换成一个长的 data.frame。像这样的东西： 

Code Country        Year    Value
AFG  Afghanistan    1950    20,249
AFG  Afghanistan    1951    21,352
AFG  Afghanistan    1952    22,532
AFG  Afghanistan    1953    23,557
AFG  Afghanistan    1954    24,555
ALB  Albania        1950    8,097
ALB  Albania        1951    8,986
ALB  Albania        1952    10,058
ALB  Albania        1953    11,123
ALB  Albania        1954    12,246

正如一些人在类似问题中所建议的那样，我已经查看并尝试使用 melt() 和 reshape() 函数。但是，到目前为止，我只得到混乱的结果。

如果可能的话，我想用 reshape() 函数来做，因为它看起来更好处理一些。

不知道这是否是问题所在，但 reshape 包中的功能是熔化和铸造（和重铸。）
并且 reshape 包已被 reshape2 取代。
现在 reshape2 已被 tidyr 取代。
现在 tidyr 的 gather 和 spread 已被 pivot_* 函数取代。

J
Jaap

三种替代解决方案：

1) 使用 ：

您可以使用与 reshape2 包中相同的 melt 函数（这是一个扩展和改进的实现）。 data.table 中的 melt 还具有比 reshape2 中的 melt 函数更多的参数。例如，您还可以指定变量列的名称： 

library(data.table)
long <- melt(setDT(wide), id.vars = c("Code","Country"), variable.name = "year")

这使：

> long Code Country 年份值 1：AFG 阿富汗 1950 20,249 2：ALB 阿尔巴尼亚 1950 8,097 3：AFG 阿富汗 1951 21,352 4：ALB 阿尔巴尼亚 1951 8,986 5：AFG 阿富汗 1952 22,532 6：ALB 阿尔巴尼亚 1952 10,058 7：AFG 阿富汗 2553,1 ALB 阿尔巴尼亚 1953 11,123 9：AFG 阿富汗 1954 24,555 10：ALB 阿尔巴尼亚 1954 12,246

一些替代符号： 

melt(setDT(wide), id.vars = 1:2, variable.name = "year")
melt(setDT(wide), measure.vars = 3:7, variable.name = "year")
melt(setDT(wide), measure.vars = as.character(1950:1954), variable.name = "year")

2) 使用 ： 

library(tidyr)
long <- wide %>% gather(year, value, -c(Code, Country))

一些替代符号： 

wide %>% gather(year, value, -Code, -Country)
wide %>% gather(year, value, -1:-2)
wide %>% gather(year, value, -(1:2))
wide %>% gather(year, value, -1, -2)
wide %>% gather(year, value, 3:7)
wide %>% gather(year, value, `1950`:`1954`)

3) 使用 ： 

library(reshape2)
long <- melt(wide, id.vars = c("Code", "Country"))

给出相同结果的一些替代符号： 

# you can also define the id-variables by column number
melt(wide, id.vars = 1:2)

# as an alternative you can also specify the measure-variables
# all other variables will then be used as id-variables
melt(wide, measure.vars = 3:7)
melt(wide, measure.vars = as.character(1950:1954))

笔记：

reshape2 已退休。只有将其保留在 CRAN 上所需的更改才会进行。 （资源）

如果要排除 NA 值，可以将 na.rm = TRUE 添加到熔体以及收集函数中。

数据的另一个问题是这些值将被 R 作为字符值读取（作为数字中 , 的结果）。您可以使用 gsub 和 as.numeric 修复它： 

long$value <- as.numeric(gsub(",", "", long$value))

或直接使用 data.table 或 dplyr： 

# data.table
long <- melt(setDT(wide),
             id.vars = c("Code","Country"),
             variable.name = "year")[, value := as.numeric(gsub(",", "", value))]

# tidyr and dplyr
long <- wide %>% gather(year, value, -c(Code,Country)) %>% 
  mutate(value = as.numeric(gsub(",", "", value)))

数据： 

wide <- read.table(text="Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246", header=TRUE, check.names=FALSE)
很好的答案，只是一个小提示：不要将除 id 和time 之外的任何变量放在您的数据框中，melt 无法告诉您在这种情况下要做什么。
@JasonGoal 你能详细说明一下吗？正如我正在解释你的评论，这不应该是一个问题。只需指定 id.vars 和 measure.vars。
很抱歉删除这篇文章 - 有人可以向我解释 为什么 3 有效吗？我已经对其进行了测试并且可以正常工作，但是我不明白 dplyr 在看到 -c(var1, var2) 时在做什么...
@ReputableMisnomer 当 tidyr 看到 -c(var1, var2) 时，它会在将数据从宽格式转换为长格式时忽略这些变量。
根据 tidyverse blog，gather 现已退役并由 pivot_longer 取代。他们声明：“新的 pivot_longer() 和 pivot_wider() 提供了 spread() 和 gather() 的现代替代品。它们经过精心重新设计，更易于学习和记忆，并包含许多新功能。spread() 和 gather()不会消失，但它们已经退役，这意味着它们不再处于积极开发中。”
J
Jaap

reshape() 需要一段时间才能习惯，就像 melt/cast。这是一个重塑的解决方案，假设您的数据框称为 d： 

reshape(d, 
        direction = "long",
        varying = list(names(d)[3:7]),
        v.names = "Value",
        idvar = c("Code", "Country"),
        timevar = "Year",
        times = 1950:1954)
a
akrun

使用 tidyr_1.0.0，另一个选项是 pivot_longer 

library(tidyr)
pivot_longer(df1, -c(Code, Country), values_to = "Value", names_to = "Year")
# A tibble: 10 x 4
#   Code  Country     Year  Value 
#   <fct> <fct>       <chr> <fct> 
# 1 AFG   Afghanistan 1950  20,249
# 2 AFG   Afghanistan 1951  21,352
# 3 AFG   Afghanistan 1952  22,532
# 4 AFG   Afghanistan 1953  23,557
# 5 AFG   Afghanistan 1954  24,555
# 6 ALB   Albania     1950  8,097 
# 7 ALB   Albania     1951  8,986 
# 8 ALB   Albania     1952  10,058
# 9 ALB   Albania     1953  11,123
#10 ALB   Albania     1954  12,246

数据 

df1 <- structure(list(Code = structure(1:2, .Label = c("AFG", "ALB"), class = "factor"), 
    Country = structure(1:2, .Label = c("Afghanistan", "Albania"
    ), class = "factor"), `1950` = structure(1:2, .Label = c("20,249", 
    "8,097"), class = "factor"), `1951` = structure(1:2, .Label = c("21,352", 
    "8,986"), class = "factor"), `1952` = structure(2:1, .Label = c("10,058", 
    "22,532"), class = "factor"), `1953` = structure(2:1, .Label = c("11,123", 
    "23,557"), class = "factor"), `1954` = structure(2:1, .Label = c("12,246", 
    "24,555"), class = "factor")), class = "data.frame", row.names = c(NA, 
-2L))
这需要更多的支持。根据 Tidyverse Blog，gather 将被淘汰，而 pivot_longer 现在是完成此任务的正确方法。
@EvanRosica 直到他们决定再次更改功能：p
z
zx8754

使用重塑包： 

#data
x <- read.table(textConnection(
"Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246"), header=TRUE)

library(reshape)

x2 <- melt(x, id = c("Code", "Country"), variable_name = "Year")
x2[,"Year"] <- as.numeric(gsub("X", "" , x2[,"Year"]))
A
A5C1D2H2I1M1N2O1R2T1

由于这个答案被标记为 ，我觉得分享 base R 的另一个替代方案会很有用：stack。

但是请注意，stack 不适用于 factor——它仅在 is.vector 为 TRUE 时才有效，并且从 is.vector 的文档中，我们发现：

如果 x 是指定模式的向量，除了名称之外没有其他属性，is.vector 返回 TRUE。否则返回 FALSE。

我正在使用示例数据 from @Jaap's answer，其中年份列中的值为 factor。

以下是 stack 方法： 

cbind(wide[1:2], stack(lapply(wide[-c(1, 2)], as.character)))
##    Code     Country values  ind
## 1   AFG Afghanistan 20,249 1950
## 2   ALB     Albania  8,097 1950
## 3   AFG Afghanistan 21,352 1951
## 4   ALB     Albania  8,986 1951
## 5   AFG Afghanistan 22,532 1952
## 6   ALB     Albania 10,058 1952
## 7   AFG Afghanistan 23,557 1953
## 8   ALB     Albania 11,123 1953
## 9   AFG Afghanistan 24,555 1954
## 10  ALB     Albania 12,246 1954
M
Mark Peterson

下面是另一个示例，展示了如何使用 tidyr 中的 gather。您可以选择要gather的列，方法是单独删除它们（就像我在这里所做的那样），或者明确包含您想要的年份。

请注意，为了处理逗号（如果未设置 check.names = FALSE，则添加 X），我还使用 dplyr 的 mutate 与 readr 中的 parse_number 将文本值转换回数字。这些都是 tidyverse 的一部分，因此可以与 library(tidyverse) 一起加载 

wide %>%
  gather(Year, Value, -Code, -Country) %>%
  mutate(Year = parse_number(Year)
         , Value = parse_number(Value))

回报： 

   Code     Country Year Value
1   AFG Afghanistan 1950 20249
2   ALB     Albania 1950  8097
3   AFG Afghanistan 1951 21352
4   ALB     Albania 1951  8986
5   AFG Afghanistan 1952 22532
6   ALB     Albania 1952 10058
7   AFG Afghanistan 1953 23557
8   ALB     Albania 1953 11123
9   AFG Afghanistan 1954 24555
10  ALB     Albania 1954 12246
M
M--

这是一个 解决方案： 

sqldf("Select Code, Country, '1950' As Year, `1950` As Value From wide
        Union All
       Select Code, Country, '1951' As Year, `1951` As Value From wide
        Union All
       Select Code, Country, '1952' As Year, `1952` As Value From wide
        Union All
       Select Code, Country, '1953' As Year, `1953` As Value From wide
        Union All
       Select Code, Country, '1954' As Year, `1954` As Value From wide;")

要在不输入所有内容的情况下进行查询，您可以使用以下命令：

感谢 G. Grothendieck 实施它。 

ValCol <- tail(names(wide), -2)

s <- sprintf("Select Code, Country, '%s' As Year, `%s` As Value from wide", ValCol, ValCol)
mquery <- paste(s, collapse = "\n Union All\n")

cat(mquery) #just to show the query
 #> Select Code, Country, '1950' As Year, `1950` As Value from wide
 #>  Union All
 #> Select Code, Country, '1951' As Year, `1951` As Value from wide
 #>  Union All
 #> Select Code, Country, '1952' As Year, `1952` As Value from wide
 #>  Union All
 #> Select Code, Country, '1953' As Year, `1953` As Value from wide
 #>  Union All
 #> Select Code, Country, '1954' As Year, `1954` As Value from wide

sqldf(mquery)

 #>    Code     Country Year  Value
 #> 1   AFG Afghanistan 1950 20,249
 #> 2   ALB     Albania 1950  8,097
 #> 3   AFG Afghanistan 1951 21,352
 #> 4   ALB     Albania 1951  8,986
 #> 5   AFG Afghanistan 1952 22,532
 #> 6   ALB     Albania 1952 10,058
 #> 7   AFG Afghanistan 1953 23,557
 #> 8   ALB     Albania 1953 11,123
 #> 9   AFG Afghanistan 1954 24,555
 #> 10  ALB     Albania 1954 12,246

不幸的是，我认为 PIVOT 和 UNPIVOT 不适用于 R SQLite。如果您想以更复杂的方式编写查询，还可以查看以下帖子：

使用 sprintf 编写 sql 查询

将变量传递给 sqldf

K
Karsten W.

您还可以使用 cdata 包，它使用（转换）控制表的概念： 

# data
wide <- read.table(text="Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246", header=TRUE, check.names=FALSE)

library(cdata)
# build control table
drec <- data.frame(
    Year=as.character(1950:1954),
    Value=as.character(1950:1954),
    stringsAsFactors=FALSE
)
drec <- cdata::rowrecs_to_blocks_spec(drec, recordKeys=c("Code", "Country"))

# apply control table
cdata::layout_by(drec, wide)

我目前正在探索该软件包并发现它很容易获得。它是为更复杂的转换而设计的，包括反向转换。有 a tutorial 可用。

关注公众号,不定期副业成功案例分享
关注公众号

不定期副业成功案例分享

想领先一步获取最新的外包任务吗？

立即订阅

HuntsBot(狩猎机器人)，一站式外包任务、远程工作、产品创意分享与订阅平台，支持钉钉、飞书、企业微信、邮箱、Telegram机器人订阅。平台会以及时、稳定、可靠的技术把外包任务需求、远程工作机会、产品创意等推送给每一位订阅的用户。

简体中文 English

平台

支持

友情链接

联系我们

在使用过程中有任何问题或建议，可以通过以下方式联系我们：

微信公众号: 火星来客

Email: huntsbot@xinbeitime.com

Copyright© 2022-2023 www.huntsbot.com 浙ICP备2022000860号-4 All Rights Reserved.