Tidyverse|tidyr数据重塑之gather，spread（长数据宽数据转化）

长型数据和宽型数据在数据分析中非常常见 ，其中宽型数据更具可读性，长型数据则更适合做分析。

R-tidyr主要有以下几大功能：

• gather—宽数据转为长数据；
• spread—长数据转为宽数据；
• unit—多列合并为一列；
• separate—将一列分离为多列

unit和separate可参考Tidyverse|数据列的分分合合，一分多，多合一，本文主要介绍利用tidyr包实现长宽数据的转化。

一 载入R包，数据

library(tidyverse)
#library(tidyr)
#使用mtcars内置数据集
data(mtcars)
head(mtcars)

二 宽数据转为长数据

使用gather函数：gather(data, key, value, … , na.rm = FALSE, convert = FALSE)

其中 data：为待转换的宽数据

key：将原数据框中的所有列赋给一个新变量key

value：将原数据框中的所有值赋给一个新变量value

...：可以指定哪些列聚到一列中 （同reshape2区别）

na.rm：是否删除缺失值

1 转换全部列

#宽转长
mtcars_long <- mtcars %>%
  rownames_to_column("car_ID") %>% 
  gather(key = "variables", value = "values")
head(mtcars_long)

2 部分列保持不变

区别于reshape2，...只将指定变量从宽数据变成长数据

1) 不gather car_ID列 （行名转化而来）

mtcars_long2 <- mtcars %>%
    rownames_to_column("car_ID") %>%
    gather(key = "variables", value = "values",  - car_ID)
head(mtcars_long2)

2)gather 在 mpg:am之间的所有列

mtcars_long3 <- mtcars %>%
    rownames_to_column("car_ID") %>%
    gather(key = "variables", value = "values",  mpg:am)
head(mtcars_long3)

三 长数据转为宽数据

使用spread函数：spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)

data：待转换的长数据

key：需要将变量值拓展为字段的变量

value：需要分散的值

fill：对于缺失值，可将fill的值赋值给被转型后的缺失值

mtcars_wide <- mtcars_long2 %>% 
    spread(variables, values)
head(mtcars_wide)

这实际将原来gather后的结果还原为gather前, 结果与mtcars一样，只是各列的相互位置稍有调整。

参考资料：

Working_in_the_Tidyverse