Daten mit tidyr bereinigen

Das Paket tidyr hilft dabei, unübersichtliche Daten in eine strukturierte Form zu bringen.

Verwenden Sie pivot_longer(), um Daten vom Breitformat in das Langformat umzuwandeln.

library(tidyr)
data <- data.frame(Name = c('Alice', 'Bob'), Jan = c(10, 15), Feb = c(20, 25))
data_long <- pivot_longer(data, cols = c('Jan', 'Feb'), names_to = 'Month', values_to = 'Score')

Verwenden Sie pivot_wider(), um Daten vom Langformat in das Breitformat umzuwandeln.

data_wide <- pivot_wider(data_long, names_from = 'Month', values_from = 'Score')

Die Funktion separate() teilt eine Spalte in mehrere Spalten auf.

data <- data.frame(Name = c('Alice_Smith', 'Bob_Jones'))
data_separated <- separate(data, Name, into = c('FirstName', 'LastName'), sep = '_')

Die Funktion unite() kombiniert mehrere Spalten zu einer einzigen.

data_united <- unite(data_separated, FullName, FirstName, LastName, sep = ' ')

Verwenden Sie drop_na(), um fehlende Werte aus einem Datensatz zu entfernen.

library(dplyr)
data_clean <- data %>% drop_na()

Verwenden Sie replace_na(), um fehlende Werte durch einen bestimmten Wert zu ersetzen.

data_filled <- data %>% mutate(Score = replace_na(Score, 0))

Sie können pivot_longer(), separate() und unite() gemeinsam verwenden, um Daten vollständig aufzubereiten.

data_tidy <- data %>% pivot_longer(cols = c('Jan', 'Feb'), names_to = 'Month', values_to = 'Score') %>% separate(Name, into = c('FirstName', 'LastName'), sep = '_') %>% unite(FullName, FirstName, LastName, sep = ' ')

In dieser Lektion haben Sie Folgendes gelernt:

• Daten mit pivot_longer() und pivot_wider() umzuformen.
• Spalten für strukturierte Daten aufzuteilen und zu verbinden.
• Fehlende Werte mit drop_na() und replace_na() zu behandeln.