文章和代码已经归档至【Github仓库:<https://github.com/timerring/dive-into-AI> 】或者公众号【AIShareLab】回复 R语言 也可获取。
有时数据集来自多个地方,我们需要将两个或多个数据集合并成一个数据集。合并数据框的操作包括纵向合并、横向合并和按照某个共有变量合并。
1.纵向合并:rbind( )
要纵向合并两个数据框,可以使用 rbind( )
函数。被合并的两个数据框必须拥有相同的变量,这种合并通常用于向数据框中添加观测。例如:
data1 <- data.frame(id = 1:5,
sex = c("female", "male", "male", "female", "male"),
age = c(32, 46, 25, 42, 29))
data1
data2 <- data.frame(id = 6:10,
sex = c("male", "female", "male", "male", "female"),
age = c(52, 36, 28, 34, 26))
data2
rbind(data1, data2)
2. 横向合并:cbind ( )
要横向合并两个数据框,可以使用 cbind( )
函数。用于合并的两个数据框必须拥有相同的行数,而且要以相同的顺序排列。这种合并通常用于向数据框中添加变量。例如:
data3 <- data.frame(days = c(28, 57, 15, 7, 19),
outcome = c("discharge", "dead", "discharge", "transfer", "discharge"))
data3
cbind(data1, data3)
3. 按照某个共有变量合并:merge( )
有时我们有多个相关的数据集,这些数据集有一个或多个共有变量,我们想把它们按照共有变量合并成一个大的数据集。函数 merge( ) 可以实现这个功能,例如:
data4 <- data.frame(id = c(2, 1, 3, 5, 4),
outcome = c("discharge", "dead", "discharge", "transfer", "discharge"))
data4
mydata <- merge(data1, data4, by = "id")
mydata
full\_join( )
dplyr 包中的 full\_join( ) 函数也能实现上述功能上面的命令等价于:
options(warn=-1) # 清爽显示
library(dplyr)
mydata <- full_join(data1, data4, by = "id")
mydata
dplyr 包提供了多种用于合并数据框的函数,例如 bind\_rows( )、bind\_cols( )、left\_join( )、right\_join( ) 等,你可以查看这些函数的帮助文档了解它们的用法。
4. 数据框的长宽格式的转换
基本包里的函数 reshape( )
可以对数据进行长宽格式之间的转换。
下面以 datasets 包里的数据集 Indometh 为例进行说明。该数据集是关于药物吲哚美辛(indometacin)的药物代谢动力学数据,一共有 6 名试验对象,每名试验对象在连续的 8 小时内定时测定了血液中的药物浓度,共有 11 次的测定值。该资料是长格式,下面将其转换为宽格式。
data(Indometh)
head(Indometh,12) # 这里增加一行,预览数据前 12 行,方便对比
wide <- reshape(Indometh, v.names = "conc", idvar = "Subject", timevar = "time", direction = "wide")
wide
Indometh
:这是一个数据框或数据集,表示要进行重塑操作的原始数据。v.names
:这是一个字符串,表示要重塑的值变量的名称。在这种情况下,"conc"
表示原始数据中的浓度变量。idvar
:这是一个字符串或向量,表示标识变量的名称或变量列表。在这种情况下,"Subject"
表示原始数据中的主体标识变量。timevar
:这是一个字符串,表示时间变量的名称。在这种情况下,"time"
表示原始数据中的时间变量。direction
:这是一个字符串,表示重塑的方向。在这种情况下,"wide"
表示要将数据从长格式重塑为宽格式。
我们还可以将宽格式数据 wide 重新转换为长格式:
long <- reshape(wide, idvar = "Subject", varying = list(2:12),
v.names = "conc", direction = "long")
head(long, 12)
函数 reshape( ) 功能强大,但里面的参数很多,使用起来略显不便。
tidyr
包以一种比较简洁统一的格式实现数据长宽格式的转换,其中,函数 pivot_wider( )
用于把长格式数据转换为宽格式,而函数 pivot_longer( )
用于把宽格式数据转换为长格式。上面的结果也可以用下述命令得到:
library(tidyr)
wide <- pivot_wider(as.data.frame(Indometh),
names_from = time,
values_from = conc)
wide
注意在上面的函数 pivot\_wider( ) 中,我们用函数 as.data.frame( ) 将数据 Indometh 转换成了数据框,这是因为其默认类型不是数据框。数据框 wide 也能重新转换为长格式:
long <- pivot_longer(wide, -Subject,
names_to = "time", values_to = "conc")
long
一个“整洁”的数据集(tidy data)应该满足:每一行代表一个观测,每一列代表一个变量。在对医学数据进行分析之前,通常情况下应先把数据集转换为长格式,因为 R 中的大多数函数都支持这种格式的数据。
tidyr 包中的 gather()
和 spread()
同样可以用于长型、宽型数据类型转换,详见 Cookbook for R。