Le remodelage de données.cadre large format long

J'ai du mal à convertir mon data.frame à partir d'une grande table à une longue table.
Pour le moment, il ressemble à ceci:

Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246

Maintenant, je voudrais transformer cette data.frame dans un long data.frame.
Quelque chose comme ceci:

Code Country        Year    Value
AFG  Afghanistan    1950    20,249
AFG  Afghanistan    1951    21,352
AFG  Afghanistan    1952    22,532
AFG  Afghanistan    1953    23,557
AFG  Afghanistan    1954    24,555
ALB  Albania        1950    8,097
ALB  Albania        1951    8,986
ALB  Albania        1952    10,058
ALB  Albania        1953    11,123
ALB  Albania        1954    12,246

J'ai regardé et déjà essayé d'utiliser le melt() et la reshape() fonctions
comme certaines personnes ont en suggérant des questions similaires.
Cependant, jusqu'à présent, je seulement obtenir malpropre résultats.

Si c'est possible, je voudrais le faire avec le reshape() fonction depuis
il a l'air un peu plus agréable à manipuler.

Ne sais pas si c'était le problème, mais les fonctions dans le remodeler paquet de fonte et de coulée (et à la refonte.)
Et le remodeler paquet a été remplacé par reshape2.
Et maintenant reshape2 a été remplacé par tidyr.

InformationsquelleAutor mropa | 2010-02-02

reshape() prend un certain temps pour se utilisé pour, comme melt/cast. Voici une solution avec les remodeler, en supposant que votre bloc de données est appelé d:

reshape(d, 
        direction = "long",
        varying = list(names(d)[3:7]),
        v.names = "Value",
        idvar = c("Code", "Country"),
        timevar = "Year",
        times = 1950:1954)

InformationsquelleAutor Aniko

126

Trois solutions:

1: Avec reshape2

library(reshape2)
long <- melt(wide, id.vars = c("Code", "Country"))

donner:

   Code     Country variable  value
1   AFG Afghanistan     1950 20,249
2   ALB     Albania     1950  8,097
3   AFG Afghanistan     1951 21,352
4   ALB     Albania     1951  8,986
5   AFG Afghanistan     1952 22,532
6   ALB     Albania     1952 10,058
7   AFG Afghanistan     1953 23,557
8   ALB     Albania     1953 11,123
9   AFG Afghanistan     1954 24,555
10  ALB     Albania     1954 12,246

Une alternative de notations qui donnent le même résultat:

# you can also define the id-variables by column number
melt(wide, id.vars = 1:2)

# as an alternative you can also specify the measure-variables
# all other variables will then be used as id-variables
melt(wide, measure.vars = 3:7)
melt(wide, measure.vars = as.character(1950:1954))

2: Avec data.table

Vous pouvez utiliser le même melt de la fonction que dans le reshape2 paquet (qui est une longue & l'amélioration de la mise en œuvre). melt de data.table a également plus de paramètres que le meltfonction de reshape2. Vous pouvez par exemple spécifier le nom de la variable de la colonne:

library(data.table)
long <- melt(setDT(wide), id.vars = c("Code","Country"), variable.name = "year")

Certaines autres notations:

melt(setDT(wide), id.vars = 1:2, variable.name = "year")
melt(setDT(wide), measure.vars = 3:7, variable.name = "year")
melt(setDT(wide), measure.vars = as.character(1950:1954), variable.name = "year")

3: Avec tidyr

library(tidyr)
long <- wide %>% gather(year, value, -c(Code, Country))

Certaines autres notations:

wide %>% gather(year, value, -Code, -Country)
wide %>% gather(year, value, -1:-2)
wide %>% gather(year, value, -(1:2))
wide %>% gather(year, value, -1, -2)
wide %>% gather(year, value, 3:7)
wide %>% gather(year, value, `1950`:`1954`)

Si vous souhaitez exclure NA valeurs, vous pouvez ajouter na.rm = TRUE à la melt ainsi que la gather fonctions.

Un autre problème avec les données, les valeurs seront lus par R en tant que personnage-valeurs (suite de la , dans les chiffres). Vous pouvez les réparer avec gsub et as.numeric:

long$value <- as.numeric(gsub(",", "", long$value))

Ou directement avec data.table ou dplyr:

# data.table
long <- melt(setDT(wide),
             id.vars = c("Code","Country"),
             variable.name = "year")[, value := as.numeric(gsub(",", "", value))]

# tidyr and dplyr
long <- wide %>% gather(year, value, -c(Code,Country)) %>% 
  mutate(value = as.numeric(gsub(",", "", value)))

De données:

wide <- read.table(text="Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246", header=TRUE, check.names=FALSE)

super réponse, juste une minuscule rappel : ne pas mettre toutes les variables autres que id ettime dans votre bloc de données, melt ne pouvait pas dire ce que vous voulez faire dans ce cas.
Pourriez-vous développer? Comme je suis de l'interprétation que vous avez des commentaires, il ne devrait pas être un problème. Il suffit de spécifier à la fois la id.vars et la measure.vars.
puis c'est bon pour moi, je ne sais pas id.vars et la measure.vars peut être spécifié dans la première variante,désolé pour le désordre, ses de ma faute.

InformationsquelleAutor Jaap

À l'aide de remodeler package:

#data
x <- read.table(textConnection(
"Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246"), header=TRUE)

library(reshape)

x2 <- melt(x, id = c("Code", "Country"), variable_name = "Year")
x2[,"Year"] <- as.numeric(gsub("X", "" , x2[,"Year"]))

InformationsquelleAutor Shane

11

Depuis cette réponse, c'est taggés avec r-faq, j'ai pensé qu'il serait utile de partager une autre alternative à partir de la base de R: stack.

Noter, cependant, que stack ne fonctionne pas avec factors--il ne fonctionne que si is.vector est TRUE, et à partir de la documentation pour is.vector, nous constatons que:

is.vector retourne TRUE si x est un vecteur de la mode ayant pas d'attributs autres que les noms de. Il retourne FALSE autrement.

Je suis en utilisant les données de l'échantillon à partir de @Jaap de réponse, où les valeurs dans l'année colonnes sont factors.

Voici la stack approche:
```
cbind(wide[1:2], stack(lapply(wide[-c(1, 2)], as.character)))
##    Code     Country values  ind
## 1   AFG Afghanistan 20,249 1950
## 2   ALB     Albania  8,097 1950
## 3   AFG Afghanistan 21,352 1951
## 4   ALB     Albania  8,986 1951
## 5   AFG Afghanistan 22,532 1952
## 6   ALB     Albania 10,058 1952
## 7   AFG Afghanistan 23,557 1953
## 8   ALB     Albania 11,123 1953
## 9   AFG Afghanistan 24,555 1954
## 10  ALB     Albania 12,246 1954
```
InformationsquelleAutor A5C1D2H2I1M1N2O1R2T1
10

Voici un autre exemple montrant l'utilisation de gather de tidyr. Vous pouvez sélectionner les colonnes à gather en supprimant individuellement (comme je le fais ici), ou en incluant les ans, vous voulez explicitement.

Noter que, pour gérer les virgules (et X est ajouté si check.names = FALSE n'est pas défini), je suis également en utilisant dplyr's muter avec parse_number de readr pour convertir le texte les valeurs des nombres. Ce sont tous partie de la tidyverse et donc, peuvent être chargés avec library(tidyverse)
```
wide %>%
  gather(Year, Value, -Code, -Country) %>%
  mutate(Year = parse_number(Year)
         , Value = parse_number(Value))
```
Retourne:
```
   Code     Country Year Value
1   AFG Afghanistan 1950 20249
2   ALB     Albania 1950  8097
3   AFG Afghanistan 1951 21352
4   ALB     Albania 1951  8986
5   AFG Afghanistan 1952 22532
6   ALB     Albania 1952 10058
7   AFG Afghanistan 1953 23557
8   ALB     Albania 1953 11123
9   AFG Afghanistan 1954 24555
10  ALB     Albania 1954 12246
```
InformationsquelleAutor Mark Peterson

Voici un sqldf la solution:

sqldf("Select Code, Country, '1950' As Year, `1950` As Value From wide
        Union All
       Select Code, Country, '1951' As Year, `1951` As Value From wide
        Union All
       Select Code, Country, '1952' As Year, `1952` As Value From wide
        Union All
       Select Code, Country, '1953' As Year, `1953` As Value From wide
        Union All
       Select Code, Country, '1954' As Year, `1954` As Value From wide;")

Pour rendre la requête sans avoir à taper dans tous les éléments, vous pouvez utiliser les éléments suivants:

^{Merci pour G. Grothendieck pour la mettre en œuvre.}

ValCol <- tail(names(wide), -2)

s <- sprintf("Select Code, Country, '%s' As Year, `%s` As Value from wide", ValCol, ValCol)
mquery <- paste(s, collapse = "\n Union All\n")

cat(mquery) #just to show the query
 # Select Code, Country, '1950' As Year, `1950` As Value from wide
 #  Union All
 # Select Code, Country, '1951' As Year, `1951` As Value from wide
 #  Union All
 # Select Code, Country, '1952' As Year, `1952` As Value from wide
 #  Union All
 # Select Code, Country, '1953' As Year, `1953` As Value from wide
 #  Union All
 # Select Code, Country, '1954' As Year, `1954` As Value from wide

sqldf(mquery)

 #    Code     Country Year  Value
 # 1   AFG Afghanistan 1950 20,249
 # 2   ALB     Albania 1950  8,097
 # 3   AFG Afghanistan 1951 21,352
 # 4   ALB     Albania 1951  8,986
 # 5   AFG Afghanistan 1952 22,532
 # 6   ALB     Albania 1952 10,058
 # 7   AFG Afghanistan 1953 23,557
 # 8   ALB     Albania 1953 11,123
 # 9   AFG Afghanistan 1954 24,555
 # 10  ALB     Albania 1954 12,246

Malheureusement, je ne pense pas que PIVOT et UNPIVOT serait travailler pour R SQLite. Si vous voulez écrire votre requête de manière plus sophistiquée, vous pouvez également prendre un coup d'oeil à ces postes:

À l'aide de sprintf à l'écriture de requêtes sql Ou Passer des variables à sqldf

InformationsquelleAutor M--

Avec tidyr_1.0.0, une autre option est pivot_longer

library(tidyr)
pivot_longer(df1, -c(Code, Country), values_to = "Value", names_to = "Year")
# A tibble: 10 x 4
#   Code  Country     Year  Value 
#   <fct> <fct>       <chr> <fct> 
# 1 AFG   Afghanistan 1950  20,249
# 2 AFG   Afghanistan 1951  21,352
# 3 AFG   Afghanistan 1952  22,532
# 4 AFG   Afghanistan 1953  23,557
# 5 AFG   Afghanistan 1954  24,555
# 6 ALB   Albania     1950  8,097 
# 7 ALB   Albania     1951  8,986 
# 8 ALB   Albania     1952  10,058
# 9 ALB   Albania     1953  11,123
#10 ALB   Albania     1954  12,246

de données

df1 <- structure(list(Code = structure(1:2, .Label = c("AFG", "ALB"), class = "factor"), 
    Country = structure(1:2, .Label = c("Afghanistan", "Albania"
    ), class = "factor"), `1950` = structure(1:2, .Label = c("20,249", 
    "8,097"), class = "factor"), `1951` = structure(1:2, .Label = c("21,352", 
    "8,986"), class = "factor"), `1952` = structure(2:1, .Label = c("10,058", 
    "22,532"), class = "factor"), `1953` = structure(2:1, .Label = c("11,123", 
    "23,557"), class = "factor"), `1954` = structure(2:1, .Label = c("12,246", 
    "24,555"), class = "factor")), class = "data.frame", row.names = c(NA, 
-2L))

InformationsquelleAutor akrun

Vous devez vous connecter pour publier un commentaire.