サーチ…


備考

「data.tablesを使用した効率的な再成形」という公式のビネットは、このトピックのベスト・イントロダクションです。

多くの再構成作業では、長い形式と広い形式の間で移動する必要があります。

  • ワイド・データは、各列が別々の変数を表すデータであり、行は別々の観測を表す行です
  • ロングデータは、フォームID |変数|値であり、各行は観測変数対を表す

data.tableで溶かしてキャストする

data.tableは、効率的かつ簡単にデータを再構築する幅広い可能性を提供します

例えば、長いものから広いものへのvalue.var 、複数の変数を同時にvalue.varfun.aggregateパラメータに渡すことができます

library(data.table) #v>=1.9.6
DT <- data.table(mtcars)

長いものから長いもの

dcast(DT, gear ~ cyl, value.var = c("disp", "hp"), fun = list(mean, sum))
   gear disp_mean_4 disp_mean_6 disp_mean_8 hp_mean_4 hp_mean_6 hp_mean_8 disp_sum_4 disp_sum_6 disp_sum_8 hp_sum_4 hp_sum_6 hp_sum_8
1:    3     120.100       241.5    357.6167        97     107.5  194.1667      120.1      483.0     4291.4       97      215     2330
2:    4     102.625       163.8         NaN        76     116.5       NaN      821.0      655.2        0.0      608      466        0
3:    5     107.700       145.0    326.0000       102     175.0  299.5000      215.4      145.0      652.0      204      175      599

これはgearをインデックス列として設定し、 meansumgearcyl組み合わせごとにdisphpを計算します。いくつかの組み合わせが存在しない場合は、 na.rm = TRUEmeansum関数に渡されます)などの追加パラメータを指定するか、組み込みfill引数を指定することがfillます。余白を追加したり、欠落している組み合わせを削除したり、データをサブセット化することもできます。 ?data.table::dcastもっと見る


ワイドからロングまで

ワイドからロングまでの形をmeasure.varsに、たとえば、正規表現を使用してmeasure.varsパラメータに列を渡すことができます

print(melt(DT, c("cyl", "gear"), measure = patterns("^d", "e")), n = 10)
    cyl gear variable value1 value2
 1:   6    4        1 160.00  16.46
 2:   6    4        1 160.00  17.02
 3:   4    4        1 108.00  18.61
 4:   6    3        1 258.00  19.44
 5:   8    3        1 360.00  17.02
---                                
60:   4    5        2   3.77   5.00
61:   8    5        2   4.22   5.00
62:   6    5        2   3.62   5.00
63:   8    5        2   3.54   5.00
64:   4    4        2   4.11   4.00

これはなりmeltによるデータcylgearで始まる変数のすべての値が、索引列としてのddispdrat )に存在するであろうvalue1と文字含まれている変数の値eそれらに( qsec gear )がvalue2列に表示されます。

また、指定しながら、結果にすべての列名を変更することができvariable.namevalue.name引数をしたり、かどうかを決定しcharacter列が自動的に変換するfactorを指定しながら、Sかvariable.factorvalue.factor引数を。もっと詳しくは?data.table::melt

`data.table`を使って変形する

data.tablereshape2meltdcast関数をdcastます

参考:data.tablesを使用した効率的な再形成

library(data.table)

## generate some data
dt <- data.table(
  name = rep(c("firstName", "secondName"), each=4),
  numbers = rep(1:4, 2),
  value = rnorm(8)
)
dt
#          name numbers      value
# 1:  firstName       1 -0.8551881
# 2:  firstName       2 -1.0561946
# 3:  firstName       3  0.2671833
# 4:  firstName       4  1.0662379
# 5: secondName       1 -0.4771341
# 6: secondName       2  1.2830651
# 7: secondName       3 -0.6989682
# 8: secondName       4 -0.6592184

ロングトゥーワイド

dcast(data = dt, 
      formula = name ~ numbers, 
      value.var = "value")

#          name          1          2         3         4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814

複数の列( data.table 1.9.6)

## add an extra column
dt[, value2 := value * 2]

## cast multiple value columns
dcast(data = dt, 
      formula = name ~ numbers, 
      value.var = c("value", "value2"))

#          name    value_1    value_2   value_3   value_4   value2_1   value2_2 value2_3  value2_4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078  0.3672866 -1.6712572 3.190562 0.6590155
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814 -1.6409368  0.9748581 1.476649 1.1515627

ワイドからロングまで

## use a wide data.table
dt <- fread("name          1          2         3         4
firstName  0.1836433 -0.8356286 1.5952808 0.3295078
secondName -0.8204684  0.4874291 0.7383247 0.5757814", header = T)
dt
#          name          1          2         3         4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814

## melt to long, specifying the id column, and the name of the columns 
## in the resulting long data.table
melt(dt, 
     id.vars = "name", 
     variable.name = "numbers",
     value.name = "myValue")
#          name  numbers    myValue
# 1:  firstName        1  0.1836433
# 2: secondName        1 -0.8204684
# 3:  firstName        2 -0.8356286
# 4: secondName        2  0.4874291
# 5:  firstName        3  1.5952808
# 6: secondName        3  0.7383247
# 7:  firstName        4  0.3295078
# 8: secondName        4  0.5757814

メルトを使用したワイドフォーマットからロングフォーマットへ

融解:基本

融解は、データをワイドフォーマットからロングフォーマットに変換するために使用されます。

広いデータセットから始める:

DT = data.table(ID = letters[1:3], Age = 20:22, OB_A = 1:3, OB_B = 4:6, OB_C = 7:9)

data.tableのmelt関数を使用してデータを溶かすことができます。これは長い形式の別のdata.tableを返します:

melt(DT, id.vars = c("ID","Age"))
1:  a  20     OB_A     1
2:  b  21     OB_A     2
3:  c  22     OB_A     3
4:  a  20     OB_B     4
5:  b  21     OB_B     5
6:  c  22     OB_B     6
7:  a  20     OB_C     7
8:  b  21     OB_C     8
9:  c  22     OB_C     9

class(melt(DT, id.vars = c("ID","Age")))
# "data.table" "data.frame"

id.varsパラメーターに設定されていない列はすべて変数とみなされます。あるいは、 measure.vars引数を使用して明示的に設定することもできます。

melt(DT, measure.vars = c("OB_A","OB_B","OB_C"))
   ID Age variable value
1:  a  20     OB_A     1
2:  b  21     OB_A     2
3:  c  22     OB_A     3
4:  a  20     OB_B     4
5:  b  21     OB_B     5
6:  c  22     OB_B     6
7:  a  20     OB_C     7
8:  b  21     OB_C     8
9:  c  22     OB_C     9

この場合、 measure.vars設定されていない列はすべてIDとみなされます。

両方を明示的に設定すると、選択した列のみが返されます。

melt(DT, id.vars = "ID", measure.vars = c("OB_C"))
   ID variable value
1:  a     OB_C     7
2:  b     OB_C     8
3:  c     OB_C     9

結果の変数と値の命名

variable.namevalue.nameを使用して、返されるテーブルの列名を操作できvariable.name

melt(DT,
     id.vars = c("ID"), 
     measure.vars = c("OB_C"), 
     variable.name = "Test", 
     value.name = "Result"
     )
   ID Test Result
1:  a OB_C      7
2:  b OB_C      8
3:  c OB_C      9

結果のメジャー変数のタイプの設定

デフォルトでは、 measure.varsmeasure.varsすると、すべてのmeasure.varsが係数に変換されます。

M_DT <- melt(DT,id.vars = c("ID"), measure.vars = c("OB_C"))
class(M_DT[, variable])
# "factor"

代わりに文字として設定するには、 variable.factor引数を使用しvariable.factor

M_DT <- melt(DT,id.vars = c("ID"), measure.vars = c("OB_C"), variable.factor = FALSE)
class(M_DT[, variable])
# "character"

値は、通常、元の列のデータ型を継承します。

class(DT[, value])
# "integer"
class(M_DT[, value])
# "integer"

競合がある場合、データ型は強制的に強制されます。例えば:

M_DT <- melt(DT,id.vars = c("Age"), measure.vars = c("ID","OB_C"))
class(M_DT[, value])
# "character"

溶かすとき、因子変数は文字型に強制されます:

DT[, OB_C := factor(OB_C)]
M_DT <- melt(DT,id.vars = c("ID"), measure.vars = c("OB_C"))
class(M_DT)
# "character"

これを避け、最初の入力を保持するには、 value.factor引数を使用します。

M_DT <- melt(DT,id.vars = c("ID"), measure.vars = c("OB_C"), value.factor = TRUE)
class(M_DT)
# "factor"

欠損値の処理

デフォルトでは、任意のNA値は溶けたデータに保存されます

DT = data.table(ID = letters[1:3], Age = 20:22, OB_A = 1:3, OB_B = 4:6, OB_C = c(7:8,NA))
melt(DT,id.vars = c("ID"), measure.vars = c("OB_C"))
   ID variable value
1:  a     OB_C     7
2:  b     OB_C     8
3:  c     OB_C    NA

これらをデータから削除する必要がある場合は、 na.rm = TRUEに設定します

melt(DT,id.vars = c("ID"), measure.vars = c("OB_C"), na.rm = TRUE)
   ID variable value
1:  a     OB_C     7
2:  b     OB_C     8

dcastを使用して、長い形式から広い形式へ

キャスティング:基本

キャスティングは、データを長い形式から広い形式に変換するために使用されます。

長いデータセットから始める:

DT = data.table(ID = rep(letters[1:3],3), Age = rep(20:22,3), Test = rep(c("OB_A","OB_B","OB_C"), each = 3), Result = 1:9)

dcast関数を使用してデータをキャストできます。これは、ワイドフォーマットの別のdata.tableを返します。

dcast(DT, formula = ID ~ Test, value.var = "Result")
   ID OB_A OB_B OB_C
1:  a    1    4    7
2:  b    2    5    8
3:  c    3    6    9

class(dcast(DT, formula = ID ~ Test, value.var = "Result"))
[1] "data.table" "data.frame"

値をキャストする

適切なキャストにはvalue.var引数が必要です。指定されていない場合、dcastはデータに基づいて前提を設定します。

dcast(DT, formula = ID ~ Test, value.var = "Result")
   ID OB_A OB_B OB_C
1:  a    1    4    7
2:  b    2    5    8
3:  c    3    6    9

   ID OB_A OB_B OB_C
1:  a   20   20   20
2:  b   21   21   21
3:  c   22   22   22

複数のvalue.varリストにvalue.varことができます

dcast(DT, formula = ID ~ Test, value.var = list("Result","Age"))
   ID Result_OB_A Result_OB_B Result_OB_C Age_OB_A Age_OB_B Age_OB_C
1:  a           1           4           7       20       20       20
2:  b           2           5           8       21       21       21
3:  c           3           6           9       22       22       22

キャストは、 dcastのformula引数を使用して制御されdcast 。これはROWS〜COLUMNSという形式です

dcast(DT, formula = ID ~ Test, value.var = "Result")
   ID OB_A OB_B OB_C
1:  a    1    4    7
2:  b    2    5    8
3:  c    3    6    9

dcast(DT, formula = Test ~ ID, value.var = "Result")
   Test a b c
1: OB_A 1 2 3
2: OB_B 4 5 6
3: OB_C 7 8 9

行と列の両方を展開するには、 +

dcast(DT, formula = ID + Age ~ Test, value.var = "Result")
   ID Age OB_A OB_B OB_C
1:  a  20    1    4    7
2:  b  21    2    5    8
3:  c  22    3    6    9

dcast(DT, formula = ID ~ Age + Test, value.var = "Result")
   ID 20_OB_A 20_OB_B 20_OB_C 21_OB_A 21_OB_B 21_OB_C 22_OB_A 22_OB_B 22_OB_C
1:  a       1       4       7      NA      NA      NA      NA      NA      NA
2:  b      NA      NA      NA       2       5       8      NA      NA      NA
3:  c      NA      NA      NA      NA      NA      NA       3       6       9

#order is important

dcast(DT, formula = ID ~ Test + Age, value.var = "Result")
   ID OB_A_20 OB_A_21 OB_A_22 OB_B_20 OB_B_21 OB_B_22 OB_C_20 OB_C_21 OB_C_22
1:  a       1      NA      NA       4      NA      NA       7      NA      NA
2:  b      NA       2      NA      NA       5      NA      NA       8      NA
3:  c      NA      NA       3      NA      NA       6      NA      NA       9

キャスティングは、データ内に観察が存在しない場合に、しばしばセルを作成することができます。デフォルトでは、これは上記のようにNAで表されます。これをfill=引数でオーバーライドすることができます。

dcast(DT, formula = ID ~ Test + Age, value.var = "Result", fill = 0)
   ID OB_A_20 OB_A_21 OB_A_22 OB_B_20 OB_B_21 OB_B_22 OB_C_20 OB_C_21 OB_C_22
1:  a       1       0       0       4       0       0       7       0       0
2:  b       0       2       0       0       5       0       0       8       0
3:  c       0       0       3       0       0       6       0       0       9

また、数式オブジェクトに2つの特殊変数を使用することもできます

  • .他の変数を表していない
  • ...は他のすべての変数を表します
dcast(DT, formula = Age ~ ., value.var = "Result")
   Age .
1:  20 3
2:  21 3
3:  22 3

dcast(DT, formula = ID + Age ~ ..., value.var = "Result")
   ID Age OB_A OB_B OB_C
1:  a  20    1    4    7
2:  b  21    2    5    8
3:  c  22    3    6    9

value.varの集計

1つのステップで値をキャストして集計することもできます。この場合、我々は年齢と身分証明書の交点それぞれに3つの観察を有する。私たちが望む集約を設定するために、 fun.aggregate引数を使用します:

#length
dcast(DT, formula = ID ~ Age, value.var = "Result", fun.aggregate = length)
   ID 20 21 22
1:  a  3  0  0
2:  b  0  3  0
3:  c  0  0  3

#sum
dcast(DT, formula = ID ~ Age, value.var = "Result", fun.aggregate = sum)
   ID 20 21 22
1:  a 12  0  0
2:  b  0 15  0
3:  c  0  0 18

#concatenate
dcast(DT, formula = ID ~ Age, value.var = "Result", fun.aggregate = function(x){paste(x,collapse = "_")})
ID    20    21    22
1:  a 1_4_7            
2:  b       2_5_8      
3:  c             3_6_9

fun.aggregateに複数の関数を使用するためのリストを渡すこともできます

dcast(DT, formula = ID ~ Age, value.var = "Result", fun.aggregate = list(sum,length))
   ID Result_sum_20 Result_sum_21 Result_sum_22 Result_length_20 Result_length_21 Result_length_22
1:  a            12             0             0                3                0                0
2:  b             0            15             0                0                3                0
3:  c             0             0            18                0                0                3

複数の関数と複数の値を渡すと、value.varsのベクトルを渡してすべての組み合わせを計算できます

dcast(DT, formula = ID ~ Age, value.var = c("Result","Test"), fun.aggregate = list(function(x){paste0(x,collapse = "_")},length))
   ID Result_function_20 Result_function_21 Result_function_22 Test_function_20 Test_function_21 Test_function_22 Result_length_20 Result_length_21
1:  a              1_4_7                                         OB_A_OB_B_OB_C                                                  3                0
2:  b                                 2_5_8                                       OB_A_OB_B_OB_C                                 0                3
3:  c                                                    3_6_9                                     OB_A_OB_B_OB_C                0                0
   Result_length_22 Test_length_20 Test_length_21 Test_length_22
1:                0              3              0              0
2:                0              0              3              0
3:                3              0              0              3

各対は、値value1_formula1, value1_formula2, ... , valueN_formula(N-1), valueN_formulaNの順番で計算されます。

あるいは、 'value.var'をリストとして渡すことによって、値と関数を1対1で評価することもできます。

dcast(DT, formula = ID ~ Age, value.var = list("Result","Test"), fun.aggregate = list(function(x){paste0(x,collapse = "_")},length))
   ID Result_function_20 Result_function_21 Result_function_22 Test_length_20 Test_length_21 Test_length_22
1:  a              1_4_7                                                    3              0              0
2:  b                                 2_5_8                                 0              3              0
3:  c                                                    3_6_9              0              0              3

結果の列の命名

デフォルトでは、列名の構成要素はアンダースコア_区切られています。これは、 sep=引数を使用して手動でオーバーライドできます。

dcast(DT, formula = Test ~ ID + Age, value.var = "Result")
Test a_20 b_21 c_22
1: OB_A    1    2    3
2: OB_B    4    5    6
3: OB_C    7    8    9

dcast(DT, formula = Test ~ ID + Age, value.var = "Result", sep = ",")
   Test a,20 b,21 c,22
1: OB_A    1    2    3
2: OB_B    4    5    6
3: OB_C    7    8    9

これは、 value.varたちが使用する任意のfun.aggregateまたはvalue.varを分離します:

dcast(DT, formula = Test ~ ID + Age, value.var = "Result", fun.aggregate = c(sum,length), sep = ",")
   Test Result,sum,a,20 Result,sum,b,21 Result,sum,c,22 Result,length,a,20 Result,length,b,21 Result,length,c,22
1: OB_A               1               2               3                  1                  1                  1
2: OB_B               4               5               6                  1                  1                  1
3: OB_C               7               8               9                  1                  1                  1

rbindlistを使用して複数のテーブルをスタックする

Rの一般的な控え目は、次の行に沿っています。

あなたは、 DT1DT2 、...、 DT11ような名前を持つ関連テーブルの束を持つべきではありません。反復的に読んで、名前でオブジェクトに割り当てるのは面倒です。解決策は、データのテーブルのリストです!

そのようなリストは次のようになります

set.seed(1)
DT_list = lapply(setNames(1:3, paste0("D", 1:3)), function(i)
  data.table(id = 1:2, v = sample(letters, 2)))

$D1
   id v
1:  1 g
2:  2 j

$D2
   id v
1:  1 o
2:  2 w

$D3
   id v
1:  1 f
2:  2 w

もう1つの考え方は、これらのテーブルを積み重ねて1つのテーブルとして格納する必要があるということです。これはrbindlistを使って簡単に行うことがrbindlistます:

DT = rbindlist(DT_list, id="src")

   src id v
1:  D1  1 g
2:  D1  2 j
3:  D2  1 o
4:  D2  2 w
5:  D3  1 f
6:  D3  2 w

このフォーマットはdata.tableの構文ではより意味を成しています。ここでは、 "by group"操作は一般的で簡単です。

より深い見通しを得るためには、 グレゴールの答えが始まるのが良いかもしれません。もちろん、 ?rbindlistもチェックしてください。別の例では、CSVのテーブルの束読み込み、それらを積み重ねる方法を扱っています



Modified text is an extract of the original Stack Overflow Documentation
ライセンスを受けた CC BY-SA 3.0
所属していない Stack Overflow