使用tidyr对数据整形

宽表与长表

我们用下面的案例来说明长表与宽表的含义：

表1：长表

表2：宽表

按照Hadley Wickham的说法，长表是tidy的，因为每一行是一个observation，每一列是一个variable。

tidyr提供了两个函数完成两种形式的转换：gather()将宽表变为长表；spread()将长表变为宽表。

library(tidyr)

table1 <- table2 %>% gather(道路等级, 日均覆盖里程,  one_of(c("高速覆盖里程", "快速路覆盖里程", "主要道路覆盖里程")))
table2 <- table11 %>% spread(道路等级, 日均覆盖里程)

这里着重说一下gather()的最后一个参数，用于指定要gather的列，x:y表示从x到y的列，-z表示不包括z列。还可以使用dplyr包的select()的option表达式进行列的选取，示例代码使用了one_of()表达式。

列合并与拆分

tidyr还提供了两个重要函数：separate()用于将一个列按照指定的分隔符分为多个列；unite()用于将多个列按照指定的分隔符合并为一个列。

# 合并列
## unite()直接使用列名即可，unite_()需要在列名两边使用引号
demo <- iris %>% 
  unite(unite_sepal, Sepal.Length, Sepal.Width, sep="_", remove=TRUE) %>%
  unite_("unite_petal", c("Petal.Length", "Petal.Width"), sep="_", remove=TRUE)

# 拆分列
## separate()直接使用列名，separate_()需要在列名两边使用引号
demo %>%
  separate(unite_sepal, c("Sepal.Length", "Sepal.Width"), sep="_") %>%
  separate_("unite_petal", c("Petal.Length", "Petal.Width"), sep="_")

需要指出的是，tidyr的拆分列功能只能拆分为固定列数，如果某一行的拆分结果不足这个列数或超出这个列数，需要选择不足时的填充策略和过多时的处理策略，具体设置参看fill和extra选项。

如果想要将一列按照分隔符拆分成多行，tidyr无法完成这个功能，请移步splitstackshape包的cSplit()函数。