Tidyverse补充
sunqi
2020/8/13
概述
休息了几天，罪过
tidyverse中的长款数据转换函数，类比于之前的reshape2包中的melt和dcast函数
代码
代码语言：javascript复制rm(list=ls())
library(tidyverse)
library(patchwork)
# 建立示例数据框
df <- data.frame(
Day = 1:5,
type1 = c(0.6, 1.2, 1.4, 1.9, 2.2),
type2 = c(0.5, 0.7, 0.9, 1.3, 1.8)
)
# 在绘图的过程中
# 尤其是ggplot函数，上述的宽数据格式无法满足绘图的需要
# 涉及分组绘图
# 对于type1和type2
# 因此需要长款转换
# 需要的函数
# pivot_longer 转换长
# pivot_wider 转换宽
long <- pivot_longer(df, 2:3,
names_to = "type",#用于显示变量的名字
values_to = "value"#用于显示值的名字
)
long %>% head()## # A tibble: 6 x 3
## Day type value
## <int> <chr> <dbl>
## 1 1 type1 0.6
## 2 1 type2 0.5
## 3 2 type1 1.2
## 4 2 type2 0.7
## 5 3 type1 1.4
## 6 3 type2 0.9long<-df %>%
pivot_longer(
cols = -Day, # 这里去掉day，其实和2:3是一个意思
names_to = "type",
values_to = "value"
) %>% head()
# 此时间就可以直接绘图
long %>%
ggplot(aes(x = Day, y = value, color = type))
geom_line()
# 长数据转换宽数据
# 此时又回到了之前的数据
long %>%
pivot_wider(
names_from = "type",
values_from = "value"
) %>% head()## # A tibble: 3 x 3
## Day type1 type2
## <int> <dbl> <dbl>
## 1 1 0.6 0.5
## 2 2 1.2 0.7
## 3 3 1.4 0.9# count函数
## 计数函数，类比table函数
iris %>% count(Species)## Species n
## 1 setosa 50
## 2 versicolor 50
## 3 virginica 50# 添加一列显示每个花卉的数目
iris %>%
group_by(Species) %>%
mutate(n = n()) %>%
ungroup() %>%
select(Species,n) %>%
head()## # A tibble: 6 x 2
## Species n
## <fct> <int>
## 1 setosa 50
## 2 setosa 50
## 3 setosa 50
## 4 setosa 50
## 5 setosa 50
## 6 setosa 50# 同时还有更简单的方法
iris %>% add_count(Species) %>% head()## Sepal.Length Sepal.Width Petal.Length Petal.Width Species n
## 1 5.1 3.5 1.4 0.2 setosa 50
## 2 4.9 3.0 1.4 0.2 setosa 50
## 3 4.7 3.2 1.3 0.2 setosa 50
## 4 4.6 3.1 1.5 0.2 setosa 50
## 5 5.0 3.6 1.4 0.2 setosa 50
## 6 5.4 3.9 1.7 0.4 setosa 50结束语
不知道写点啥，就这样吧。
PEACE
