Porządkowanie danych za pomocą tidyr

Pakiet tidyr pomaga porządkować nieuporządkowane dane i przekształcać je do ustrukturyzowanego formatu.

Użyj funkcji pivot_longer(), aby przekształcić dane z formatu szerokiego na długi.

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')

Użyj funkcji pivot_wider(), aby przekształcić dane z formatu długiego na szeroki.

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

Funkcja separate() dzieli jedną kolumnę na wiele kolumn.

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

Funkcja unite() łączy wiele kolumn w jedną.

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

Użyj funkcji drop_na(), aby usunąć brakujące wartości ze zbioru danych.

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

Użyj funkcji replace_na(), aby zastąpić brakujące wartości określoną wartością.

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

Można używać funkcji pivot_longer(), separate() i unite() razem, aby kompleksowo porządkować dane.

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 = ' ')

W tej lekcji nauczysz się:

• Jak zmieniać układ danych za pomocą funkcji pivot_longer() i pivot_wider().
• Jak rozdzielać i łączyć kolumny, aby uzyskać ustrukturyzowane dane.
• Jak obsługiwać brakujące wartości za pomocą funkcji drop_na() i replace_na().