Poney urdinatu inclusu in u core di una di e biblioteche più populari in a lingua R - ordinatu.
U scopu principale di u pacchettu hè di portà i dati in una forma precisa.
Dighjà dispunibule nantu à Habré dedicatu à stu pacchettu, ma data di 2015. È vogliu cuntà di i cambiamenti più attuali, chì sò stati annunziati uni pochi ghjorni fà da u so autore, Hedley Wickham.
SJK: Gather () è sparghje () seranu obsoleti ?
Hadley Wickham: In una certa misura. Ùn avemu più ricumandemu l'usu di queste funzioni è correggerà i bug in elli, ma continuanu à esse prisenti in u pacchettu in u so statu attuale.
Cuntenuti
Sè vo site interessatu in l'analisi di dati, pudete esse interessatu in u mo и canali. A maiò parte di u cuntenutu hè dedicatu à a lingua R.
U cuncettu di TidyData
Goal urdinatu - aiutanu à purtà i dati à una forma chjamata neat. I dati puliti sò dati induve:
- Ogni variabile hè in una colonna.
- Ogni osservazione hè una stringa.
- Ogni valore hè una cellula.
Hè assai più faciule è più còmuda di travaglià cù e dati chì sò presentati in dati ordinati quandu facenu analisi.
Funzioni principali incluse in u pacchettu tidyr
tidyr cuntene un inseme di funzioni pensate per trasfurmà e tavule:
fill()- riempie i valori mancanti in una colonna cù i valori precedenti;separate()- divide un campu in parechji cù un separatore;unite()- esegue l'operazione di cumminà parechji campi in unu, l'azzione inversa di a funzioneseparate();pivot_longer()- una funzione chì cunvertisce dati da formatu largu à furmatu longu;pivot_wider()- una funzione chì cunvertisce dati da furmatu longu à furmatu largu. L'operazione inversa di quella realizata da a funzionepivot_longer().gather()obsolet - una funzione chì cunvertisce dati da formatu largu à furmatu longu;spread()obsolet - una funzione chì cunvertisce dati da furmatu longu à furmatu largu. L'operazione inversa di quella realizata da a funzionegather().
Novu cuncettu per a cunversione di dati da u formatu largu à longu è viceversa
Nanzu, e funzioni eranu aduprate per stu tipu di trasfurmazioni gather() и spread(). Nantu à l'anni di esistenza di sti funzioni, hè diventatu evidenti chì per a maiò parte di l'utilizatori, cumpresu l'autore di u pacchettu, i nomi di sti funzioni è i so argumenti ùn eranu micca abbastanza evidenti, è hà causatu difficultà à truvà elli è capisce quale di queste funzioni cunvertisce. un quadru di data da u formatu largu à longu, è viceversa.
In questu sensu, in urdinatu Dui funzioni novi, impurtanti sò state aghjunte chì sò pensate per trasfurmà i frames di data.
Novità pivot_longer() и pivot_wider() sò stati inspirati da alcune di e funziunalità in u pacchettu cdata, creatu da John Mount è Nina Zumel.
Stallà a versione più attuale di tidyr 0.8.3.9000
Per installà a nova versione più attuale di u pacchettu urdinatu 0.8.3.9000, induve e funzioni novi sò dispunibili, utilizate u codice seguente.
devtools::install_github("tidyverse/tidyr")
À u mumentu di a scrittura, queste funzioni sò solu dispunibili in a versione dev di u pacchettu in GitHub.
Transizione à e funzioni novi
In fatti, ùn hè micca difficiule di trasfirià script antichi per travaglià cù e funzioni novi; per capisce megliu, pigliaraghju un esempiu da a documentazione di e funzioni antichi è mostra cumu si facenu e stesse operazioni cù novi. pivot_*() funzioni.
Cunvertisce un furmatu largu à un furmatu longu.
Esempiu di codice da a documentazione di a funzione di raccolta
# example
library(dplyr)
stocks <- data.frame(
time = as.Date('2009-01-01') + 0:9,
X = rnorm(10, 0, 1),
Y = rnorm(10, 0, 2),
Z = rnorm(10, 0, 4)
)
# old
stocks_gather <- stocks %>% gather(key = stock,
value = price,
-time)
# new
stocks_long <- stocks %>% pivot_longer(cols = -time,
names_to = "stock",
values_to = "price")
Cunvertisce un furmatu longu à un furmatu largu.
Esempiu di codice da a documentazione di a funzione diffusa
# old
stocks_spread <- stocks_gather %>% spread(key = stock,
value = price)
# new
stock_wide <- stocks_long %>% pivot_wider(names_from = "stock",
values_from = "price")
Perchè in l'esempii sopra di travaglià cù pivot_longer() и pivot_wider(), in a tavula originale Gemiliana nisuna culonna listata in argumenti nomi_à и valori_à i so nomi deve esse in virgolette.
Un tavulinu chì vi aiuterà più facilmente à capisce cumu passà à travaglià cù un novu cuncettu urdinatu.
Nota da l'autore
Tuttu u testu quì sottu hè adattatu, diceraghju ancu traduzzione libera da u situ ufficiale di a biblioteca tidyverse.
Un esempiu simplice di cunvertisce dati da u formatu largu à longu
pivot_longer () - rende i setti di dati più longu riducendu u nùmeru di colonne è aumentendu u numeru di fila.
Per eseguisce l'esempii presentati in l'articulu, avete prima bisognu di cunnette i pacchetti necessarii:
library(tidyr)
library(dplyr)
library(readr)Diciamu chì avemu un tavulu cù i risultati di una indagine chì (frà altre cose) hà dumandatu à e persone nantu à a so religione è u redditu annuale:
#> # A tibble: 18 x 11
#> religion `<$10k` `$10-20k` `$20-30k` `$30-40k` `$40-50k` `$50-75k`
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Agnostic 27 34 60 81 76 137
#> 2 Atheist 12 27 37 52 35 70
#> 3 Buddhist 27 21 30 34 33 58
#> 4 Catholic 418 617 732 670 638 1116
#> 5 Don’t k… 15 14 15 11 10 35
#> 6 Evangel… 575 869 1064 982 881 1486
#> 7 Hindu 1 9 7 9 11 34
#> 8 Histori… 228 244 236 238 197 223
#> 9 Jehovah… 20 27 24 24 21 30
#> 10 Jewish 19 19 25 25 30 95
#> # … with 8 more rows, and 4 more variables: `$75-100k` <dbl>,
#> # `$100-150k` <dbl>, `>150k` <dbl>, `Don't know/refused` <dbl>Questa tavula cuntene i dati di religione di i rispondenti in fila, è i livelli di redditu sò spargugliati in i nomi di colonna. U numeru di rispondenti da ogni categuria hè almacenatu in i valori di e cellule à l'intersezzione di a religione è u livellu di ingressu. Per purtà a tavula in un formatu pulito è currettu, hè abbastanza à aduprà pivot_longer():
pew %>%
pivot_longer(cols = -religion, names_to = "income", values_to = "count")pew %>%
pivot_longer(cols = -religion, names_to = "income", values_to = "count")
#> # A tibble: 180 x 3
#> religion income count
#> <chr> <chr> <dbl>
#> 1 Agnostic <$10k 27
#> 2 Agnostic $10-20k 34
#> 3 Agnostic $20-30k 60
#> 4 Agnostic $30-40k 81
#> 5 Agnostic $40-50k 76
#> 6 Agnostic $50-75k 137
#> 7 Agnostic $75-100k 122
#> 8 Agnostic $100-150k 109
#> 9 Agnostic >150k 84
#> 10 Agnostic Don't know/refused 96
#> # … with 170 more rowsArgumenti di funzione pivot_longer()
- Primu argumentu colli, descrive quale culonni deve esse unitu. In questu casu, tutte e culonne eccettu tempu.
- argumentu nomi_à dà u nome di a variàbile chì serà creatu da i nomi di e culonni chì avemu cuncatenatu.
- valori_à dà u nome di una variàbile chì serà creata da i dati guardati in i valori di e cellule di e culonni fusionati.
Quaternu
Questa hè una nova funziunalità di u pacchettu urdinatu, chì prima ùn era micca dispunibule quandu travagliava cù e funzioni legacy.
Una specificazione hè un quadru di dati, ogni fila di quale currisponde à una colonna in u novu quadru di data di output, è duie colonne speciali chì cumincianu cù:
- .name cuntene u nome di a colonna originale.
- .valore cuntene u nome di a colonna chì cuntene i valori di e cellule.
I culonni rimanenti di a specificazione riflettenu cumu a nova colonna mostrarà u nome di e colonne compresse da .name.
A specificazione descrizanu i metadati guardati in un nome di colonna, cù una fila per ogni colonna è una colonna per ogni variàbile, cumminata cù u nome di a colonna, sta definizione pò parè cunfusa à u mumentu, ma dopu avè vistu un pocu di esempi diventerà assai. più chjaru.
U puntu di a specificazione hè chì pudete ritruvà, mudificà è definisce novi metadati per u dataframe chì hè cunvertitu.
Per travaglià cù specificazioni quandu cunvertisce una tavola da un formatu largu à un formatu longu, utilizate a funzione pivot_longer_spec().
Cumu funziona sta funzione hè chì piglia ogni quadru di data è genera i so metadati in a manera descritta sopra.
Cum'è un esempiu, pigliemu u set di dati who chì hè furnitu cù u pacchettu urdinatu. Stu dataset cuntene infurmazione furnita da l'urganizazione internaziunale di salute nantu à l'incidenza di a tuberculosi.
who
#> # A tibble: 7,240 x 60
#> country iso2 iso3 year new_sp_m014 new_sp_m1524 new_sp_m2534
#> <chr> <chr> <chr> <int> <int> <int> <int>
#> 1 Afghan… AF AFG 1980 NA NA NA
#> 2 Afghan… AF AFG 1981 NA NA NA
#> 3 Afghan… AF AFG 1982 NA NA NA
#> 4 Afghan… AF AFG 1983 NA NA NA
#> 5 Afghan… AF AFG 1984 NA NA NA
#> 6 Afghan… AF AFG 1985 NA NA NA
#> 7 Afghan… AF AFG 1986 NA NA NA
#> 8 Afghan… AF AFG 1987 NA NA NA
#> 9 Afghan… AF AFG 1988 NA NA NA
#> 10 Afghan… AF AFG 1989 NA NA NA
#> # … with 7,230 more rows, and 53 more variablesCustruemu a so specificazione.
spec <- who %>%
pivot_longer_spec(new_sp_m014:newrel_f65, values_to = "count")#> # A tibble: 56 x 3
#> .name .value name
#> <chr> <chr> <chr>
#> 1 new_sp_m014 count new_sp_m014
#> 2 new_sp_m1524 count new_sp_m1524
#> 3 new_sp_m2534 count new_sp_m2534
#> 4 new_sp_m3544 count new_sp_m3544
#> 5 new_sp_m4554 count new_sp_m4554
#> 6 new_sp_m5564 count new_sp_m5564
#> 7 new_sp_m65 count new_sp_m65
#> 8 new_sp_f014 count new_sp_f014
#> 9 new_sp_f1524 count new_sp_f1524
#> 10 new_sp_f2534 count new_sp_f2534
#> # … with 46 more rowscampi paese, isoxnumx, isoxnumx sò digià variabili. U nostru compitu hè di flip the columns cun new_sp_m014 nantu newrel_f65.
I nomi di sti culonni guardanu l'infurmazioni seguenti:
- Prefissu
new_indica chì a colonna cuntene dati nantu à novi casi di tuberculosis, u quadru di data attuale cuntene infurmazioni solu nantu à e malatie novi, cusì stu prefissu in u cuntestu attuale ùn porta micca significatu. sp/rel/sp/epdescrive un metudu per diagnosticà una malatia.m/fsessu di u paziente.014/1524/2535/3544/4554/65fascia di età di i pazienti.
Pudemu split sti culonni usendu a funzione extract()usendu l'espressione regulare.
spec <- spec %>%
extract(name, c("diagnosis", "gender", "age"), "new_?(.*)_(.)(.*)")#> # A tibble: 56 x 5
#> .name .value diagnosis gender age
#> <chr> <chr> <chr> <chr> <chr>
#> 1 new_sp_m014 count sp m 014
#> 2 new_sp_m1524 count sp m 1524
#> 3 new_sp_m2534 count sp m 2534
#> 4 new_sp_m3544 count sp m 3544
#> 5 new_sp_m4554 count sp m 4554
#> 6 new_sp_m5564 count sp m 5564
#> 7 new_sp_m65 count sp m 65
#> 8 new_sp_f014 count sp f 014
#> 9 new_sp_f1524 count sp f 1524
#> 10 new_sp_f2534 count sp f 2534
#> # … with 46 more rowsPer piacè nutate a colonna .name ùn deve esse micca cambiatu postu chì questu hè u nostru indice in i nomi di colonna di u dataset originale.
Genere è età (colonne genere и etati) anu valori fissi è cunnisciuti, per quessa hè cunsigliatu di cunvertisce sti colonne in fattori:
spec <- spec %>%
mutate(
gender = factor(gender, levels = c("f", "m")),
age = factor(age, levels = unique(age), ordered = TRUE)
) Infine, per applicà a specificazione chì avemu creatu à u quadru di data originale chì avemu bisognu di utilizà un argumentu spec in funzione pivot_longer().
who %>% pivot_longer(spec = spec)
#> # A tibble: 405,440 x 8
#> country iso2 iso3 year diagnosis gender age count
#> <chr> <chr> <chr> <int> <chr> <fct> <ord> <int>
#> 1 Afghanistan AF AFG 1980 sp m 014 NA
#> 2 Afghanistan AF AFG 1980 sp m 1524 NA
#> 3 Afghanistan AF AFG 1980 sp m 2534 NA
#> 4 Afghanistan AF AFG 1980 sp m 3544 NA
#> 5 Afghanistan AF AFG 1980 sp m 4554 NA
#> 6 Afghanistan AF AFG 1980 sp m 5564 NA
#> 7 Afghanistan AF AFG 1980 sp m 65 NA
#> 8 Afghanistan AF AFG 1980 sp f 014 NA
#> 9 Afghanistan AF AFG 1980 sp f 1524 NA
#> 10 Afghanistan AF AFG 1980 sp f 2534 NA
#> # … with 405,430 more rowsTuttu ciò chì avemu appena fattu pò esse schematicamente raffiguratu cusì:
Specificazione cù valori multipli (.value)
In l'esempiu sopra, a colonna di specificazione .valore cuntene solu un valore, in a maiò parte di i casi questu hè u casu.
Ma in ocasioni pò esse una situazione quandu avete bisognu di cullà dati da colonne cù diversi tipi di dati in valori. Utilizà una funzione legata spread() questu seria abbastanza difficiule di fà.
L'esempiu sottu hè pigliatu da à u pacchettu dati.tavula.
Creemu un dataframe di furmazione.
family <- tibble::tribble(
~family, ~dob_child1, ~dob_child2, ~gender_child1, ~gender_child2,
1L, "1998-11-26", "2000-01-29", 1L, 2L,
2L, "1996-06-22", NA, 2L, NA,
3L, "2002-07-11", "2004-04-05", 2L, 2L,
4L, "2004-10-10", "2009-08-27", 1L, 1L,
5L, "2000-12-05", "2005-02-28", 2L, 1L,
)
family <- family %>% mutate_at(vars(starts_with("dob")), parse_date)#> # A tibble: 5 x 5
#> family dob_child1 dob_child2 gender_child1 gender_child2
#> <int> <date> <date> <int> <int>
#> 1 1 1998-11-26 2000-01-29 1 2
#> 2 2 1996-06-22 NA 2 NA
#> 3 3 2002-07-11 2004-04-05 2 2
#> 4 4 2004-10-10 2009-08-27 1 1
#> 5 5 2000-12-05 2005-02-28 2 1U quadru di data creatu cuntene dati nantu à i zitelli di una famiglia in ogni linea. E famiglie ponu avè unu o dui figlioli. Per ogni zitellu, i dati sò furniti nantu à a data di nascita è u sessu, è i dati per ogni zitellu sò in colonne separate; u nostru compitu hè di portà queste dati à u formatu currettu per l'analisi.
Per piacè nutate chì avemu duie variàbili cù infurmazioni nantu à ogni zitellu: u so sessu è a data di nascita (columne cù u prefissu). D dop cuntene data di nascita, colonne cù prefissu genere cuntene u sessu di u zitellu). U risultatu aspittatu hè chì deve esse appare in culonni separati. Pudemu fà questu generendu una specificazione in quale a colonna .value averà dui significati diffirenti.
spec <- family %>%
pivot_longer_spec(-family) %>%
separate(col = name, into = c(".value", "child"))%>%
mutate(child = parse_number(child))
#> # A tibble: 4 x 3
#> .name .value child
#> <chr> <chr> <dbl>
#> 1 dob_child1 dob 1
#> 2 dob_child2 dob 2
#> 3 gender_child1 gender 1
#> 4 gender_child2 gender 2Allora, andemu à piglià un ochju passu à passu à l'azzioni realizati da u codice sopra.
pivot_longer_spec(-family)- crea una specificazione chì cumpressa tutte e colonne esistenti eccettu a colonna di famiglia.separate(col = name, into = c(".value", "child"))- split the column .name, chì cuntene i nomi di i campi di fonte, usendu u underscore è inserendu i valori resultanti in e colonne .valore и Zitellu.mutate(child = parse_number(child))- trasfurmà i valori di u campu Zitellu da u testu à u tipu di dati numericu.
Avà pudemu applicà a specificazione resultanti à u dataframe originale è portà a tavula à a forma desiderata.
family %>%
pivot_longer(spec = spec, na.rm = T)#> # A tibble: 9 x 4
#> family child dob gender
#> <int> <dbl> <date> <int>
#> 1 1 1 1998-11-26 1
#> 2 1 2 2000-01-29 2
#> 3 2 1 1996-06-22 2
#> 4 3 1 2002-07-11 2
#> 5 3 2 2004-04-05 2
#> 6 4 1 2004-10-10 1
#> 7 4 2 2009-08-27 1
#> 8 5 1 2000-12-05 2
#> 9 5 2 2005-02-28 1Avemu aduprà argumentu na.rm = TRUE, perchè a forma attuale di e dati forza a creazione di fila extra per osservazioni inesistenti. Perchè a famiglia 2 hà solu un zitellu, na.rm = TRUE guarantisci chì a famiglia 2 hà una fila in u output.
Cunvertisce i frames di data da u formatu longu à u largu
pivot_wider() - hè a trasfurmazioni inversa, è viceversa aumenta u numeru di culonni di u quadru di data riducendu u numeru di fila.
Stu tipu di trasfurmazioni hè estremamente raramente utilizatu per portà e dati in una forma precisa, in ogni modu, sta tecnica pò esse utile per creà tabelle pivot usate in presentazioni, o per integrazione cù qualchi altri strumenti.
In fatti, e funzioni pivot_longer() и pivot_wider() sò simmetrici, è produci azzioni inverse l'una à l'altru, vale à dì: df %>% pivot_longer(spec = spec) %>% pivot_wider(spec = spec) и df %>% pivot_wider(spec = spec) %>% pivot_longer(spec = spec) restituverà u df originale.
L'esempiu più simplice di cunvertisce una tavula in un furmatu largu
Per dimustrà cumu funziona a funzione pivot_wider() avemu aduprà u dataset scontri_pesci, chì guarda infurmazione nantu à cumu diverse stazioni registranu u muvimentu di pesci longu u fiume.
#> # A tibble: 114 x 3
#> fish station seen
#> <fct> <fct> <int>
#> 1 4842 Release 1
#> 2 4842 I80_1 1
#> 3 4842 Lisbon 1
#> 4 4842 Rstr 1
#> 5 4842 Base_TD 1
#> 6 4842 BCE 1
#> 7 4842 BCW 1
#> 8 4842 BCE2 1
#> 9 4842 BCW2 1
#> 10 4842 MAE 1
#> # … with 104 more rowsIn a maiò parte di i casi, sta tavula serà più informativa è più faciule d'utilizà se presentate infurmazioni per ogni stazione in una colonna separata.
fish_encounters %>% pivot_wider(names_from = station, values_from = seen)
fish_encounters %>% pivot_wider(names_from = station, values_from = seen)
#> # A tibble: 19 x 12
#> fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE
#> <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
#> 1 4842 1 1 1 1 1 1 1 1 1 1
#> 2 4843 1 1 1 1 1 1 1 1 1 1
#> 3 4844 1 1 1 1 1 1 1 1 1 1
#> 4 4845 1 1 1 1 1 NA NA NA NA NA
#> 5 4847 1 1 1 NA NA NA NA NA NA NA
#> 6 4848 1 1 1 1 NA NA NA NA NA NA
#> 7 4849 1 1 NA NA NA NA NA NA NA NA
#> 8 4850 1 1 NA 1 1 1 1 NA NA NA
#> 9 4851 1 1 NA NA NA NA NA NA NA NA
#> 10 4854 1 1 NA NA NA NA NA NA NA NA
#> # … with 9 more rows, and 1 more variable: MAW <int>Stu settore di dati registra solu l'infurmazioni quandu i pesci sò stati rilevati da a stazione, i.e. se un pesciu ùn hè statu registratu da una stazione, allora sta dati ùn saranu micca in a tavula. Questu significa chì l'output serà pienu di NA.
In ogni casu, in questu casu sapemu chì l'absenza di un registru significa chì u pesciu ùn hè micca vistu, cusì pudemu usà l'argumentu. values_fill in funzione pivot_wider() è riempie questi valori mancanti cù zeri:
fish_encounters %>% pivot_wider(
names_from = station,
values_from = seen,
values_fill = list(seen = 0)
)#> # A tibble: 19 x 12
#> fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE
#> <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
#> 1 4842 1 1 1 1 1 1 1 1 1 1
#> 2 4843 1 1 1 1 1 1 1 1 1 1
#> 3 4844 1 1 1 1 1 1 1 1 1 1
#> 4 4845 1 1 1 1 1 0 0 0 0 0
#> 5 4847 1 1 1 0 0 0 0 0 0 0
#> 6 4848 1 1 1 1 0 0 0 0 0 0
#> 7 4849 1 1 0 0 0 0 0 0 0 0
#> 8 4850 1 1 0 1 1 1 1 0 0 0
#> 9 4851 1 1 0 0 0 0 0 0 0 0
#> 10 4854 1 1 0 0 0 0 0 0 0 0
#> # … with 9 more rows, and 1 more variable: MAW <int>Generazione di un nome di colonna da parechje variabili fonte
Imagine chì avemu una tavola chì cuntene una cumminazione di produttu, paese è annu. Per generà un quadru di data di prova, pudete eseguisce u codice seguente:
df <- expand_grid(
product = c("A", "B"),
country = c("AI", "EI"),
year = 2000:2014
) %>%
filter((product == "A" & country == "AI") | product == "B") %>%
mutate(value = rnorm(nrow(.)))#> # A tibble: 45 x 4
#> product country year value
#> <chr> <chr> <int> <dbl>
#> 1 A AI 2000 -2.05
#> 2 A AI 2001 -0.676
#> 3 A AI 2002 1.60
#> 4 A AI 2003 -0.353
#> 5 A AI 2004 -0.00530
#> 6 A AI 2005 0.442
#> 7 A AI 2006 -0.610
#> 8 A AI 2007 -2.77
#> 9 A AI 2008 0.899
#> 10 A AI 2009 -0.106
#> # … with 35 more rowsU nostru compitu hè di espansione u quadru di dati in modu chì una colonna cuntene dati per ogni cumminazione di pruduttu è paese. Per fà questu, basta à passà l'argumentu nomi_da un vettore chì cuntene i nomi di i campi da unisce.
df %>% pivot_wider(names_from = c(product, country),
values_from = "value")#> # A tibble: 15 x 4
#> year A_AI B_AI B_EI
#> <int> <dbl> <dbl> <dbl>
#> 1 2000 -2.05 0.607 1.20
#> 2 2001 -0.676 1.65 -0.114
#> 3 2002 1.60 -0.0245 0.501
#> 4 2003 -0.353 1.30 -0.459
#> 5 2004 -0.00530 0.921 -0.0589
#> 6 2005 0.442 -1.55 0.594
#> 7 2006 -0.610 0.380 -1.28
#> 8 2007 -2.77 0.830 0.637
#> 9 2008 0.899 0.0175 -1.30
#> 10 2009 -0.106 -0.195 1.03
#> # … with 5 more rowsPudete ancu applicà specificazioni à una funzione pivot_wider(). Ma quandu sottumessi à pivot_wider() a specificazione faci a cunversione opposta pivot_longer(): I culonni specificati in .name, usendu valori da .valore e altre colonne.
Per questu set di dati, pudete generà una specificazione persunalizata se vulete chì ogni paese possibbili è cumminazione di produttu hà a so propria colonna, micca solu quelli prisenti in i dati:
spec <- df %>%
expand(product, country, .value = "value") %>%
unite(".name", product, country, remove = FALSE)#> # A tibble: 4 x 4
#> .name product country .value
#> <chr> <chr> <chr> <chr>
#> 1 A_AI A AI value
#> 2 A_EI A EI value
#> 3 B_AI B AI value
#> 4 B_EI B EI valuedf %>% pivot_wider(spec = spec) %>% head()#> # A tibble: 6 x 5
#> year A_AI A_EI B_AI B_EI
#> <int> <dbl> <dbl> <dbl> <dbl>
#> 1 2000 -2.05 NA 0.607 1.20
#> 2 2001 -0.676 NA 1.65 -0.114
#> 3 2002 1.60 NA -0.0245 0.501
#> 4 2003 -0.353 NA 1.30 -0.459
#> 5 2004 -0.00530 NA 0.921 -0.0589
#> 6 2005 0.442 NA -1.55 0.594Parechji esempii avanzati di travaglià cù u novu cuncettu tidyr
Pulizia di e dati utilizendu u Censu di i Stati Uniti Revenu è Rent dataset cum'è un esempiu.
Set di dati us_rent_income cuntene infurmazione mediana di redditu è affittu per ogni statu in i Stati Uniti per 2017 (set di dati dispunibule in u pacchettu tidycensus).
us_rent_income
#> # A tibble: 104 x 5
#> GEOID NAME variable estimate moe
#> <chr> <chr> <chr> <dbl> <dbl>
#> 1 01 Alabama income 24476 136
#> 2 01 Alabama rent 747 3
#> 3 02 Alaska income 32940 508
#> 4 02 Alaska rent 1200 13
#> 5 04 Arizona income 27517 148
#> 6 04 Arizona rent 972 4
#> 7 05 Arkansas income 23789 165
#> 8 05 Arkansas rent 709 5
#> 9 06 California income 29454 109
#> 10 06 California rent 1358 3
#> # … with 94 more rowsIn a forma in quale i dati sò guardati in u dataset us_rent_income travaglià cun elli hè estremamente inconveniente, cusì vulemu creà un settore di dati cù colonne: Appartamenti, affittu_moe, ghjuntu, income_moe. Ci hè parechje manere di creà sta specificazione, ma u puntu principale hè chì avemu bisognu di generà ogni cumminazione di valori variabili è stima / moeè dopu generà u nome di a colonna.
spec <- us_rent_income %>%
expand(variable, .value = c("estimate", "moe")) %>%
mutate(
.name = paste0(variable, ifelse(.value == "moe", "_moe", ""))
)#> # A tibble: 4 x 3
#> variable .value .name
#> <chr> <chr> <chr>
#> 1 income estimate income
#> 2 income moe income_moe
#> 3 rent estimate rent
#> 4 rent moe rent_moeFornisce sta specificazione pivot_wider() ci dà u risultatu chì circhemu:
us_rent_income %>% pivot_wider(spec = spec)
#> # A tibble: 52 x 6
#> GEOID NAME income income_moe rent rent_moe
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 01 Alabama 24476 136 747 3
#> 2 02 Alaska 32940 508 1200 13
#> 3 04 Arizona 27517 148 972 4
#> 4 05 Arkansas 23789 165 709 5
#> 5 06 California 29454 109 1358 3
#> 6 08 Colorado 32401 109 1125 5
#> 7 09 Connecticut 35326 195 1123 5
#> 8 10 Delaware 31560 247 1076 10
#> 9 11 District of Columbia 43198 681 1424 17
#> 10 12 Florida 25952 70 1077 3
#> # … with 42 more rowsU Bancu Munniali
Calchì volta portà un settore di dati in a forma desiderata richiede parechji passi.
Dataset world_bank_pop cuntene dati di u Bancu Mundiale nantu à a pupulazione di ogni paese trà 2000 è 2018.
#> # A tibble: 1,056 x 20
#> country indicator `2000` `2001` `2002` `2003` `2004` `2005` `2006`
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 ABW SP.URB.T… 4.24e4 4.30e4 4.37e4 4.42e4 4.47e+4 4.49e+4 4.49e+4
#> 2 ABW SP.URB.G… 1.18e0 1.41e0 1.43e0 1.31e0 9.51e-1 4.91e-1 -1.78e-2
#> 3 ABW SP.POP.T… 9.09e4 9.29e4 9.50e4 9.70e4 9.87e+4 1.00e+5 1.01e+5
#> 4 ABW SP.POP.G… 2.06e0 2.23e0 2.23e0 2.11e0 1.76e+0 1.30e+0 7.98e-1
#> 5 AFG SP.URB.T… 4.44e6 4.65e6 4.89e6 5.16e6 5.43e+6 5.69e+6 5.93e+6
#> 6 AFG SP.URB.G… 3.91e0 4.66e0 5.13e0 5.23e0 5.12e+0 4.77e+0 4.12e+0
#> 7 AFG SP.POP.T… 2.01e7 2.10e7 2.20e7 2.31e7 2.41e+7 2.51e+7 2.59e+7
#> 8 AFG SP.POP.G… 3.49e0 4.25e0 4.72e0 4.82e0 4.47e+0 3.87e+0 3.23e+0
#> 9 AGO SP.URB.T… 8.23e6 8.71e6 9.22e6 9.77e6 1.03e+7 1.09e+7 1.15e+7
#> 10 AGO SP.URB.G… 5.44e0 5.59e0 5.70e0 5.76e0 5.75e+0 5.69e+0 4.92e+0
#> # … with 1,046 more rows, and 11 more variables: `2007` <dbl>,
#> # `2008` <dbl>, `2009` <dbl>, `2010` <dbl>, `2011` <dbl>, `2012` <dbl>,
#> # `2013` <dbl>, `2014` <dbl>, `2015` <dbl>, `2016` <dbl>, `2017` <dbl>U nostru scopu hè di creà un set di dati pulito cù ogni variabile in a so propria colonna. Ùn hè chjaru esattamente ciò chì i passi sò necessarii, ma avemu da principià cù u prublema più evidenti: l'annu hè spargugliatu in parechje colonne.
Per risolve questu, avete bisognu di utilizà a funzione pivot_longer().
pop2 <- world_bank_pop %>%
pivot_longer(`2000`:`2017`, names_to = "year")#> # A tibble: 19,008 x 4
#> country indicator year value
#> <chr> <chr> <chr> <dbl>
#> 1 ABW SP.URB.TOTL 2000 42444
#> 2 ABW SP.URB.TOTL 2001 43048
#> 3 ABW SP.URB.TOTL 2002 43670
#> 4 ABW SP.URB.TOTL 2003 44246
#> 5 ABW SP.URB.TOTL 2004 44669
#> 6 ABW SP.URB.TOTL 2005 44889
#> 7 ABW SP.URB.TOTL 2006 44881
#> 8 ABW SP.URB.TOTL 2007 44686
#> 9 ABW SP.URB.TOTL 2008 44375
#> 10 ABW SP.URB.TOTL 2009 44052
#> # … with 18,998 more rowsU prossimu passu hè di guardà a variabile indicatore.
pop2 %>% count(indicator)
#> # A tibble: 4 x 2
#> indicator n
#> <chr> <int>
#> 1 SP.POP.GROW 4752
#> 2 SP.POP.TOTL 4752
#> 3 SP.URB.GROW 4752
#> 4 SP.URB.TOTL 4752Induve SP.POP.GROW hè a crescita di a pupulazione, SP.POP.TOTL hè a pupulazione tutale, è SP.URB. * listessa cosa, ma solu per i zoni urbani. Dividemu sti valori in dui variàbili: area - area (totale o urbana) è una variàbile chì cuntene dati reali (populazione o crescita):
pop3 <- pop2 %>%
separate(indicator, c(NA, "area", "variable"))#> # A tibble: 19,008 x 5
#> country area variable year value
#> <chr> <chr> <chr> <chr> <dbl>
#> 1 ABW URB TOTL 2000 42444
#> 2 ABW URB TOTL 2001 43048
#> 3 ABW URB TOTL 2002 43670
#> 4 ABW URB TOTL 2003 44246
#> 5 ABW URB TOTL 2004 44669
#> 6 ABW URB TOTL 2005 44889
#> 7 ABW URB TOTL 2006 44881
#> 8 ABW URB TOTL 2007 44686
#> 9 ABW URB TOTL 2008 44375
#> 10 ABW URB TOTL 2009 44052
#> # … with 18,998 more rowsAvà tuttu ciò chì avemu da fà hè divisu a variàbile in duie colonne:
pop3 %>%
pivot_wider(names_from = variable, values_from = value)#> # A tibble: 9,504 x 5
#> country area year TOTL GROW
#> <chr> <chr> <chr> <dbl> <dbl>
#> 1 ABW URB 2000 42444 1.18
#> 2 ABW URB 2001 43048 1.41
#> 3 ABW URB 2002 43670 1.43
#> 4 ABW URB 2003 44246 1.31
#> 5 ABW URB 2004 44669 0.951
#> 6 ABW URB 2005 44889 0.491
#> 7 ABW URB 2006 44881 -0.0178
#> 8 ABW URB 2007 44686 -0.435
#> 9 ABW URB 2008 44375 -0.698
#> 10 ABW URB 2009 44052 -0.731
#> # … with 9,494 more rowsLista di cuntatti
Un ultimu esempiu, imagine chì avete una lista di cuntatti chì avete copiatu è incollatu da un situ web:
contacts <- tribble(
~field, ~value,
"name", "Jiena McLellan",
"company", "Toyota",
"name", "John Smith",
"company", "google",
"email", "[email protected]",
"name", "Huxley Ratcliffe"
)A tabulazione di sta lista hè abbastanza difficiule perchè ùn ci hè micca variabile chì identifica quale dati appartene à quale cuntattu. Pudemu riparà questu nutendu chì i dati di ogni novu cuntattu cumincianu cù "nome", cusì pudemu creà un identificatore unicu è l'incrementu da unu ogni volta chì a colonna di u campu cuntene u valore "nome":
contacts <- contacts %>%
mutate(
person_id = cumsum(field == "name")
)
contacts#> # A tibble: 6 x 3
#> field value person_id
#> <chr> <chr> <int>
#> 1 name Jiena McLellan 1
#> 2 company Toyota 1
#> 3 name John Smith 2
#> 4 company google 2
#> 5 email [email protected] 2
#> 6 name Huxley Ratcliffe 3Avà chì avemu un ID unicu per ogni cuntattu, pudemu turnà u campu è u valore in colonne:
contacts %>%
pivot_wider(names_from = field, values_from = value)#> # A tibble: 3 x 4
#> person_id name company email
#> <int> <chr> <chr> <chr>
#> 1 1 Jiena McLellan Toyota <NA>
#> 2 2 John Smith google [email protected]
#> 3 3 Huxley Ratcliffe <NA> <NA>cunchiusioni
A mo opinione persunale hè chì u novu cuncettu urdinatu veramente più intuitive, è significativamente superiore in funziunalità à e funzioni legacy spread() и gather(). Speru chì questu articulu vi hà aiutatu à trattà pivot_longer() и pivot_wider().
Source: www.habr.com