现在给大家介绍的数据处理技巧是长转宽，也就相当于Excel中的转置，不过用R语言实现的长转宽还有数据合并的功能，自然比Excel强大多了。

这里给大家介绍4个函数，其中melt()、dcast()来自reshape2包，gather（）、spread()来自tidyr包

一、宽转长——melt()、gather（）

[python] view plain copy

mydata<-data.frame(

name=c("store1","store2","store3","store4"),

address=c("普陀区","黄浦区","徐汇区","浦东新区"),

sale2014=c(3000,2500,2100,1000),

sale2015=c(3020,2800,3900,2000),

sale2016=c(5150,3600,2700,2500),

sale2017=c(4450,4100,4000,3200)

)

#宽转长——melt

mydata1<-melt(

mydata,

id.vars=c("address","name"),#要保留的主字段

variable.name = "Year",#转换后的分类字段名称（维度）

value.name = "Sale" #转换后的度量值名称

)

输出结果

[python] view plain copy

>mydata1<-melt(

+ mydata,

+ id.vars=c("address","name"),#要保留的主字段

+ variable.name = "Year",#转换后的分类字段名称（维度）

+ value.name = "Sale" #转换后的度量值名称

+ )

>mydata1

address name Year Sale

1普陀区 store1 sale2014 3000

2黄浦区 store2 sale2014 2500

3徐汇区 store3 sale2014 2100

4 浦东新区 store4 sale2014 1000

5普陀区 store1 sale2015 3020

6黄浦区 store2 sale2015 2800

7徐汇区 store3 sale2015 3900

8 浦东新区 store4 sale2015 2000

9普陀区 store1 sale2016 5150

10 黄浦区 store2 sale2016 3600

11 徐汇区 store3 sale2016 2700

12 浦东新区 store4 sale2016 2500

13 普陀区 store1 sale2017 4450

14 黄浦区 store2 sale2017 4100

15 徐汇区 store3 sale2017 4000

16 浦东新区 store4 sale2017 3200

再来看看gather（）函数怎么用

[python] view plain copy

>#宽转长——gather

>mydata1<-tidyr::gather(

+ data=mydata,

+ key="Year",

+ value="sale",

+ sale2014:sale2017

+ )

>mydata1

name address Year sale

1 store1 普陀区 sale2014 3000

2 store2 黄浦区 sale2014 2500

3 store3 徐汇区 sale2014 2100

4 store4 浦东新区 sale2014 1000

5 store1 普陀区 sale2015 3020

6 store2 黄浦区 sale2015 2800

7 store3 徐汇区 sale2015 3900

8 store4 浦东新区 sale2015 2000

9 store1 普陀区 sale2016 5150

10 store2 黄浦区 sale2016 3600

11 store3 徐汇区 sale2016 2700

12 store4 浦东新区 sale2016 2500

13 store1 普陀区 sale2017 4450

14 store2 黄浦区 sale2017 4100

15 store3 徐汇区 sale2017 4000

16 store4 浦东新区 sale2017 3200

和melt（）函数不同，gather（）函数需要指定关键字段key,以及关键字段对应的值value，但是gather（）函数更加好理解。

二、长转宽——dcast()和spread()

还是用上面的data1数据集，先来看看dcast()函数

[python] view plain copy

#长转宽——dcast

dcast(

data=mydata1,

name+address~Year

#左侧是要保留的字段，右侧是要分割的分类变量，列数等于表达式

#右侧分类变量的类别个数

)

[python] view plain copy

>#长转宽——dcast

>dcast(

+ data=mydata1,

+ name+address~Year

+ #左侧是要保留的字段，右侧是要分割的分类变量，列数等于表达式

+ #右侧分类变量的类别个数

+ )

Using sale as value column: use value.var to override.

name address sale2014 sale2015 sale2016 sale2017

1 store1 普陀区 3000 3020 5150 4450

2 store2 黄浦区 2500 2800 3600 4100

3 store3 徐汇区 2100 3900 2700 4000

4 store4 浦东新区 1000 2000 2500 3200

dcast()函数的使用规则需要琢磨下才能理解，大家好好看看注释部分，再来看看spread()

[python] view plain copy

#长转宽——spread

tidyr::spread(

data=mydata1,

key=Year,

value=sale

)

[python] view plain copy

>#长转宽——spread

>tidyr::spread(

+ data=mydata1,

+ key=Year,

+ value=sale

+ )

name address sale2014 sale2015 sale2016 sale2017

1 store1 普陀区 3000 3020 5150 4450

2 store2 黄浦区 2500 2800 3600 4100

3 store3 徐汇区 2100 3900 2700 4000

4 store4 浦东新区 1000 2000 2500 3200

直接调用tidyr::spread，需要指定关键字段key和对应的值value。

但是从理解上来看，我个人更喜欢tidyr包的函数，使用很清晰，大家可以根据实际情况自行选择，好啦，今天的分享结束，下次再见！

2、矩阵是一个二维数组，每个元素都拥有相同的模式，可通过函数matrix()创建矩阵。

3、数组是一个可以在两个以上维度存储数据的数据对象。例如，如果创建尺寸(2,3,4)的数组，那么就是创建4个矩形矩阵每个2行3列。数组只能存储数据类型。

4、矩阵和数组一样都只能包含一种数据类型，当有多种模式的数据时，使用数据框就更为方便。数据框可以用函数data.frame () 创建。

5、$  被用来选取一个给定数据框中的某个特定变量。

6、attach()绑定数据集，detach()解除数据集。

7、with：attach，detach最好在单独的数据框内使用，在多个同名对象最好不要使用，函数with()，可以再具有多个同名对象的数据框内使用，但是必须加入花括号{}，这样就无须担心名称冲突了，但是它也有局限性，赋值仅在此函数的括号内生效。

8、列表是一些对象的有序集合。

9,、数据导入 read.table()，其中header = T，代表第一行为变量名称，不作为数据，header = F相反。sep代表数据分隔符，txt为"\t",csv为","。

10、table函数，用 table() 函数统计因子各水平的出现次数（称为频数或频率）。

>sex = c("女","女","女","男","男")

>table(sex)

>sex

  男 女

  2 3

求众数

>aim = table(sex)[table(sex)==max(table(sex))]

>aim

  女

   3

> max(table(sex))

[1] 3

> table(sex)==max(table(sex))

  sex

  男    女

  FALSE TRUE

11、 无尺度网络： 是指在某一复杂的 系统 中，大部分节点只有少数几个连结，而某些节点却拥有与其他节点的大量连结。这些具有大量连结的节点称为“集散节点”，所拥有的连结可能高达数百、数千甚至数百万。这一特性说明该网络是无尺度的，因此，凡具有这一特性的网络都是无尺度网络。

12、options(stringsAsFactors = F)

#在调用as.data.frame的时，将stringsAsFactors设置为FALSE可以避免character类型自动转化为factor类型。

13、class()：查看数据结构：vector、matrix、array、dataframe、list。

14、str()：作用用英语来表示是：check classification of viriables,一般用于检查数据框当中有哪些数据。

15、mode() ：查看数据元素类型。

16、typeof() ：查看数据元素类型，基本等同于mode（），比mode()更为详细。

17、example()：假设有一个函数foo，example("foo")，函数foo的使用示例。

18、apropos()：列出名称中含有foo的所有可用函数。apropos("foo",mode="function")。

19、data()：列出当前已加载包中所含的所有可用示例数据集。

20、ls()：列出当前工作空间中的对象。

21、rm()：移除（删除）一个或多个对象。

22、history(#)：显示最近使用过的#个命令（默认值为25）。

23、options()：显示或设置当前选项。有一个收藏文件有介绍options的功能。

24、boxplot()：生成盒型图。

25、sum()：计算和。sum(x,na.rm = TRUE)。

26、median()：计算中位数。

27、cbind()：以列结合变量。cbind(x,y,z)。

28、rbind()：以行结合变量。

29、vector()：以向量形式结合数据。vector(length = 10)。

30、rep()：以矩阵形式结合数据。rep(c(1,,2,3),each = 10)

31、seq()：生成一个有序的数列。seq(1,10)。

32、dim()：矩阵或者cbind输出的维数。dim(Mydata)。

33、scan()：从ascii文件中读取数据。scan(file = "test.txt")。

34、write.table()：把一个变量写入到ascii文件。write.table(Z,file = "test.txt")。

35、order()：确定数据的顺序。order(x)。

36、merge()：合并两个数据框。merge(x,y,by = "ID")。

37、str()：显示一个对象的内部结构。str(Mydata)。

38、factor()：定义变量作为因子。factor(x)。

39、tapply()：tapply(X = Veg$R,INDEX = Veg$Transect,FUN = mean).tapply函数根据第二个变量(Transect)的不同水平对第一变量(R)进行了求平均值运算。还可以求sd，var，length等操作。R语言初学者指南P75详细介绍了这个函数。

40、下一页介绍了sapply和lapply。

41、summary()：计算基本信息。

42、table()：计算列联表，统计因子各水平的出现次数(频数或频率)。table(x,y)。

43、plot()：y对x的图形。pch形状，col颜色。

44、par()：par(mfrow = c(2,2),mar = c(3,3,2,1))

mfrow生成一个具有4个面板的图形窗口。mar选项指定每个图形周围空白的大小，底部、左侧、顶部、右侧。

45、paste()：将变量连接成字符串。paste("a","b",sep = "")。

46、log()： log = "x",log = "y",log = "xy",生成对数轴。

47、%in%：

a<-c(1,3,13,1443,43,43,4,34,3,4,3)

b<-c(1,13,11,1313,434,1)

a%in%b

# 返回内容# 

[1] TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

# 取反操作

!(a%in%b)

48、sort()函数是对向量进行从小到大的排序

rank()函数返回的是对向量中每个数值对应的秩

order()函数返回的值表示位置，依次对应的是向量的最小值、次小值、第三小值……最大值等（位置索引）

arrange()函数（需加载dplyr包）针对数据框，返回基于某列排序后的数据框，方便多重依据排序。

49、subset()： df <- data.frame( a = 1:10, b = 2:11, c = 3:12 )

df <- subset(df, select = c(a,c)) #选取列a和c

df <- subset(df, select = -c(a,c) ) #去除列a和c

数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。

R中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。

在R中，对象（object）是指可以赋值给变量的任何事物，包括常量、数据结构、函数、甚至是图形。因子（factor）是名义型变量或有序型变量，在R中被特殊地存储和处理。

R中的数据结构：

1.1向量

向量是用于存储数值型、字符型或逻辑型数据的一维数组。创建向量使用函数c()，如下例所示：

数值型向量：a<-c(1,2,5,3,6,-2,4)

字符型向量：b<-c("one","two","three")

逻辑型向量：c<-c(TRUE,TRUE,TRUE,FALSE,TRUE)

注：单个向量中的数据必须拥有相同的类型或模式。

标量是只含一个元素的向量，例如f<-3、g<-"US"和h<-TRUE。它们用于保存常量。

访问向量中的元素，可在方括号中给定元素所处位置的数值，如：a[c(2,4)]用于访问向量a中的第二个和第四个元素。

1.2矩阵

矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可以通过matrix创建矩阵

一般使用格式为：

mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns,byrow=logical_value,dimnames=list(

char_vector_rownames,char_vector_colnames)) ，其中vector包含了矩阵的元素，nrow和ncol用以指定

行和列的维数，dimnames包含了可选的以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行

填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。代码演示如下：

[plain] view plain copy

>cells<-c(1,23,56,485)

>rnames<-c("R1","R2")

>cnames<-c("c1","c2")

[plain] view plain copy

<pre name="code" class="html">>mymatrix<-matrix(cells ,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))

>mymatrix

c1 c2

R1 1 23

R2 56 485

1.3数组

数组与矩阵类似，但是维数可以大于2。数组可通过array函数创建，形式如下：

myarray<-array(vector,dimensions,dimnames)，其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。代码如下:

[html] view plain copy

>dim<-c("A1","A2")

>dim1<-c("A1","A2")

>dim2<-c("B1","B2","B3")

>dim3<-c("C1","C2","C3","C4")

>z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))

>z

, , C1

B1 B2 B3

A1 1 3 5

A2 2 4 6

, , C2

B1 B2 B3

A1 7 9 11

A2 8 10 12

, , C3

B1 B2 B3

A1 13 15 17

A2 14 16 18

, , C4

B1 B2 B3

A1 19 21 23

A2 20 22 24

1.4数据框

数据框中不同的列可以包含不同模式（数值型、字符型等）的数据，是R中最常处理的数据结构。数据框可以通过函数data.frame()创建：mydata<-data.frame(col1,col2,col3,...)，其中的列向量col1，col2，col3，...可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。代码如下：

[html] view plain copy

>age<-c(25,34,28,53)

>patientID<-c(1,2,3,4)

>diabetes<-c("Type1","Type2","Type1","Type1")

>status<-c("Poor","Improved","Excellent","Poor")

>patientdata<-data.frame(patientID,age,diabetes,status)

>patientdata

patientID age diabetesstatus

1 1 25Type1 Poor

2 2 34Type2 Improved

3 3 28Type1 Excellent

4 4 53Type1 Poor

>patientdata$age

[1] 25 34 28 53

<pre name="code" class="html">>table(patientdata$diabetes,patientdata$status)

Excellent Improved Poor

Type1 102

Type2 010

$被用来选取一个给定数据框中的某个特定变量，上面table(patientdata$diabetes,patientdata$status)生成了 diabetes和status的列联表。

函数attach()可将数据框添加到R的搜索路径中。

函数detach()将数据框从搜素路径中移除。

相对于attach。多数的R书籍更推荐使用函数with()。

1.5因子

变量可归结为名义型、有序型或连续型变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。

函数factor（）以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义变量中唯一值得个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。

名义型eg：假设有向量：diabetes<-c("Type1","Type2","Type1","Type1")

语句diabetes<-factor(diabetes)将此向量存储为（1，2，1，1）.

有序型eg: 对于给定变量status<-c("Poor","Improved","Excellent","Poor")

语句status<-factor(status,ordered=TRUE)会将向量编码为（3，2，1，3）。

1.6列表（list）

列表是R的数据类型中最为复杂的一种。列表就是一些对象的（或成分，component)的有序集合。列表允许你整合若干（可能无关）的对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至是其他列表的组合。可以使用函数list（）创建列表：

mylist<-list(object1,object2,...)

注：列表成为了R中的重要数据结构。

1.列表允许以一种简单的方式组织和重新调用不相干的信息；

2.许多R函数的运行结果都是以列表的形式返回的。