R语言tidy data之Pivot

Posted 2021-04-18 五李三张

每次拿到手里的数据，总是乱的，而且不一定是自己想要的那种格式，用R语言画图时，其前提也必然时数据要整洁规范。今天主要讲两点：①何为整洁的数据？②如何使用Pivot来tidy data。

正文共：2432 字 6 图

预计阅读时间： 7 分钟

何为整洁的数据

如图1所示，若用R语言可视化，数据的组织形式必须是：列名为变量名，每行中的值都为已知的确定值（缺失值NA也算）。

图1

比如table1就是不整洁的，1999和2000是确定的已知值，不能作为列名，列明应该为变量名year；而table2就是整洁的。

table1  # cases
#> # A tibble: 3 x 3
#>   country     `1999` `2000`
#> * <chr>        <int>  <int>
#> 1 Afghanistan    745   2666
#> 2 Brazil       37737  80488
#> 3 China       212258 213766

table2
#> # A tibble: 6 x 4
#>   country      year  cases
#>   <chr>       <int>  <int>
#> 1 Afghanistan  1999    745
#> 2 Afghanistan  2000   2666
#> 3 Brazil       1999  37737
#> 4 Brazil       2000  80488
#> 5 China        1999 212258
#> 6 China        2000 213766

搞明白了什么数据是不整洁的，什么数据是不整洁的之后，今天分享一下如何用R语言整理数据。

tidy data的过程需要用到tidyr包，它是tidyverse的核心包，因此只需加载tidyverse即可，代码如下：

library(tidyverse)

旋转数据（pivot）

pivot_longer()和pivot_wider()

tidyr包中有两个很重要的函数：pivot_longer()和pivot_wider()，下面具体介绍一下怎么使用。

1. pivot_longer()

就如上面提到的table1一样，我们需要把列名中1999和2000的变成单独的year一列，1999和2000列下对应的值变成单独case一列，如table2所示，此过程增加了数据的行和列，即数据变长的过程。

首先，创建table1，代码如下：

table1 <- tribble(
  ~country, ~"1999", ~"2000",
  #--|--|----
  "Afghanistan", 745, 2666,
  "Brazil",  37737, 80488,
  "China", 212258, 213766
)

注：

①最后一行不需要加逗号（,）；

②列名以“~”开始，如果列名不符合变量命名规则（如“不能以数字开头”），应加引号（单引号（’ ‘）或者双引号（" "）都可以）；

③列名与值之间可以用“ #--|--|----"进行一个分割。

运行结果如图2：

图2

创建好table1之后，就可以对数据进行转换了，pivot_longer()使用方法如下，：

table1 %>%
  pivot_longer(c("1999", "2000"), names_to = "year", values_to = "cases")

注：

①"1999",和"2000"加引号的原因在于：变量名不能以数字开头，所以要加引号（单双引号都可以）；

②"year"和"cases"加引号的原因是：他们原本不属于table1，是单独创建的，因此需将它们的名称加上引号；

③%>%为管道（pipe），可以理解为操作连接符，后面在讲。

运行结果如图3：

图3

2.pivot_wider()

pivot_wider()是与pivot_longer()相反的一个过程。

如table3所示，case与population皆为变量，应该在第一列，而不应放在行中,需将其修改为table4的格式。

table3
#> # A tibble: 12 x 4
#>   country      year type           count
#>   <chr>       <int> <chr>          <int>
#> 1 Afghanistan  1999 cases            745
#> 2 Afghanistan  1999 population  19987071
#> 3 Afghanistan  2000 cases           2666
#> 4 Afghanistan  2000 population  20595360
#> 5 Brazil       1999 cases          37737
#> 6 Brazil       1999 population 172006362

table4
# A tibble: 4 x 4
  country        year cases population
  <chr>         <dbl> <dbl>      <dbl>
1 "Afghanistan"  1999   745   19987071
2 "Afghanistan"  2000  2666   20595360
3 " Brazil"      1999 37737         NA
4 "Brazil"       1999    NA  172006362

首先，创建table3，代码如下：

table3 <- tribble(
  ~country,~year,~type,~count,
  #--------|--------|------|--------
  "Afghanistan", 1999, "cases", 745,
  "Afghanistan", 1999, "population", 19987071,
  "Afghanistan", 2000, "cases", 2666,
  "Afghanistan", 2000, "population", 20595360,
  " Brazil", 1999, "cases", 37737,
  "Brazil", 1999, "population", 172006362
)
table3

运行结果如图4：

图4

创建好table3之后，，便可以用pivot_wider()处理了，我们需要把type和count这两个列名替换掉，把type中的case和population变成列名，把count中的值分别变为case和population这两列的值，代码如下：

table3 %>%
    pivot_wider(names_from = type, values_from = count)

运行结果如图5所示：

图5

ok，关于pivote的分享就先到这啦，欢迎留言互动~

延伸阅读：