R中的資料重整是關於將資料組織成行和列的方式。 R中的大多數時間資料處理是通過將輸入資料作為資料影格來完成的。 很容易從資料影格的行和列中提取資料，但是有些情況下，我們需要的格式與收到的格式不同。 R具有許多函式，用於在資料影格中拆分，合併和更改行到列，反之亦然。
我們可以使用cbind()函式連線多個向量來建立資料影格。也可以使用rbind()函式合併兩個資料影格。
# Create vector objects.
city <- c("Tampa","Seattle","Hartford","Denver")
state <- c("FL","WA","CT","CO")
zipcode <- c(33602,98104,06161,80294)
# Combine above three vectors into one data frame.
addresses <- cbind(city,state,zipcode)
# Print a header.
cat("# # # # The First data frame\n")
# Print the data frame.
print(addresses)
# Create another data frame with similar columns
new.address <- data.frame(
city = c("Lowry","Charlotte"),
state = c("CO","FL"),
zipcode = c("80230","33949"),
stringsAsFactors = FALSE
)
# Print a header.
cat("# # # The Second data frame\n")
# Print the data frame.
print(new.address)
# Combine rows form both the data frames.
all.addresses <- rbind(addresses,new.address)
# Print a header.
cat("# # # The combined data frame\n")
# Print the result.
print(all.addresses)
當我們執行上述程式碼時，會產生以下結果 -
# # # # The First data frame
city state zipcode
[1,] "Tampa" "FL" "33602"
[2,] "Seattle" "WA" "98104"
[3,] "Hartford" "CT" "6161"
[4,] "Denver" "CO" "80294"
# # # The Second data frame
city state zipcode
1 Lowry CO 80230
2 Charlotte FL 33949
# # # The combined data frame
city state zipcode
1 Tampa FL 33602
2 Seattle WA 98104
3 Hartford CT 6161
4 Denver CO 80294
5 Lowry CO 80230
6 Charlotte FL 33949
可以使用merge()函式合併兩個資料影格。資料影格必須具有相同的列名稱，合併行生。
在下面的例子中，我們考慮了Pima印度婦女的糖尿病資料庫，可以在名稱為「MASS」的庫中找到。 我們根據血壓值(「bp」)和體重指數(「bmi」)合併兩個資料集。 在選擇這兩列進行合併時，這兩個變數的值在兩個資料集中匹配的記錄被組合在一起以形成單個資料影格。參考以下程式碼實現 -
library(MASS)
merged.Pima <- merge(x = Pima.te, y = Pima.tr,
by.x = c("bp", "bmi"),
by.y = c("bp", "bmi")
)
print(merged.Pima)
nrow(merged.Pima)
當我們執行上述程式碼時，會產生以下結果 -
npreg.x glu.x skin.x ped.x age.x type.x npreg.y glu.y skin.y
1 60 33.8 1 117 23 0.466 27 No 2 125 20
2 64 29.7 2 75 24 0.370 33 No 2 100 23
3 64 31.2 5 189 33 0.583 29 Yes 3 158 13
4 64 33.2 4 117 27 0.230 24 No 1 96 27
5 66 38.1 3 115 39 0.150 28 No 1 114 36
6 68 38.5 2 100 25 0.324 26 No 7 129 49
7 70 27.4 1 116 28 0.204 21 No 0 124 20
8 70 33.1 4 91 32 0.446 22 No 9 123 44
9 70 35.4 9 124 33 0.282 34 No 6 134 23
10 72 25.6 1 157 21 0.123 24 No 4 99 17
11 72 37.7 5 95 33 0.370 27 No 6 103 32
12 74 25.9 9 134 33 0.460 81 No 8 126 38
13 74 25.9 1 95 21 0.673 36 No 8 126 38
14 78 27.6 5 88 30 0.258 37 No 6 125 31
15 78 27.6 10 122 31 0.512 45 No 6 125 31
16 78 39.4 2 112 50 0.175 24 No 4 112 40
17 88 34.5 1 117 24 0.403 40 Yes 4 127 11
ped.y age.y type.y
1 0.088 31 No
2 0.368 21 No
3 0.295 24 No
4 0.289 21 No
5 0.289 21 No
6 0.439 43 Yes
7 0.254 36 Yes
8 0.374 40 No
9 0.542 29 Yes
10 0.294 28 No
11 0.324 55 No
12 0.162 39 No
13 0.162 39 No
14 0.565 49 Yes
15 0.565 49 Yes
16 0.236 38 No
17 0.598 28 No
R程式設計最有趣的一個方面是在多個步驟中改變資料的形狀以獲得所需的形狀。 用於執行此操作的函式稱為melt()和cast()。
考慮使用「MASS」庫中存在的資料集。
library(MASS)
print(ships)
當我們執行上述程式碼時，會產生以下結果 -
type year period service incidents
1 A 60 60 127 0
2 A 60 75 63 0
3 A 65 60 1095 3
4 A 65 75 1095 4
5 A 70 60 1512 6
.............
.............
8 A 75 75 2244 11
9 B 60 60 44882 39
10 B 60 75 17176 29
11 B 65 60 28609 58
............
............
17 C 60 60 1179 1
18 C 60 75 552 1
19 C 65 60 781 0
............
............
現在，我們將資料融合到一起，將除了型別和年份之外的所有列轉為行 -
molten.ships <- melt(ships, id = c("type","year"))
print(molten.ships)
當我們執行上述程式碼時，會產生以下結果 -
type year variable value
1 A 60 period 60
2 A 60 period 75
3 A 65 period 60
4 A 65 period 75
............
............
9 B 60 period 60
10 B 60 period 75
11 B 65 period 60
12 B 65 period 75
13 B 70 period 60
...........
...........
41 A 60 service 127
42 A 60 service 63
43 A 65 service 1095
...........
...........
70 D 70 service 1208
71 D 75 service 0
72 D 75 service 2051
73 E 60 service 45
74 E 60 service 0
75 E 65 service 789
...........
...........
101 C 70 incidents 6
102 C 70 incidents 2
103 C 75 incidents 0
104 C 75 incidents 1
105 D 60 incidents 0
106 D 60 incidents 0
...........
...........
我們可以將拆分的資料轉換為一種新形式，使用cast()函式建立每年每種型別的船的總和。
recasted.ship <- cast(molten.ships, type+year~variable,sum)
print(recasted.ship)
當我們執行上述程式碼時，會產生以下結果 -
type year period service incidents
1 A 60 135 190 0
2 A 65 135 2190 7
3 A 70 135 4865 24
4 A 75 135 2244 11
5 B 60 135 62058 68
6 B 65 135 48979 111
7 B 70 135 20163 56
8 B 75 135 7117 18
9 C 60 135 1731 2
10 C 65 135 1457 1
11 C 70 135 2731 8
12 C 75 135 274 1
13 D 60 135 356 0
14 D 65 135 480 0
15 D 70 135 1557 13
16 D 75 135 2051 4
17 E 60 135 45 0
18 E 65 135 1226 14
19 E 70 135 3318 17
20 E 75 135 542 1