r語言和pyhthon數據塑型與長寬的轉換方法

本篇內容介紹了“r語言和pyhthon數據塑型與長寬的轉換方法”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

數據長寬轉換是很常用的需求，特別是當是從Excel中導入的匯總表時，常常需要轉換成一維表（長數據）才能提供給圖表函數或者模型使用。

在R語言中，提供數據長寬轉換的包主要有兩個：

reshape2::melt/dcast

tidyr::gather/spread

library("reshape2")

library("tidyr")

mydata<-data.frame(

       Name = c("蘋果","谷歌","臉書","亞馬遜","騰訊"),

       Conpany = c("Apple","Google","Facebook","Amozon","Tencent"),

       Sale2013 = c(5000,3500,2300,2100,3100),

       Sale2014 = c(5050,3800,2900,2500,3300),

       Sale2015 = c(5050,3800,2900,2500,3300),

       Sale2016 = c(5050,3800,2900,2500,3300)

       )

數據重塑（寬轉長）：

melt函數是reshape2包中的數據寬轉長的函數

mydata<-melt(

       mydata,                                      #待轉換的數據集名稱

       id.vars=c("Conpany","Name"),  #要保留的主字段

       variable.name="Year",               #轉換后的分類字段名稱（維度）

       value.name="Sale"                    #轉換后的度量值名稱

       )

轉換之后，長數據結構保留了原始寬數據中的Name、Conpany字段，同時將剩余的年度指標進行堆棧，轉換為一個代表年度的類別維度和對應年度的指標。（即轉換后，所有年度字段被降維化了）。

在tidyr包中的gather也可以非常快捷的完成寬轉長的任務：

data1<-gather(

      data=mydata,             #待轉換的數據集名稱

      key="Year",                #轉換后的分類字段名稱（維度）

      value="Sale" ,             #轉換后的度量值名稱

      Sale2013:Sale2016    #選擇將要被拉長的字段組合

      )                                  #（可以使用x:y的格式選擇連續列，也可以以-z的格式排除主字段）

而相對于數據寬轉長而言，數據長轉寬就顯得不是很常用，因為長轉寬是數據透視，這種透視過程可以通過匯總函數或者類數據透視表函數來完成。

但是既然數據長寬轉換是成對的需求，自然有對應的長轉寬函數。

reshape2中的dcast函數可以完成數據長轉寬的需求：

dcast(

     data=data1,         #數據集名稱

     Name+Conpany~Year   #x1+x2+……~class 

    #這一項是一個轉換表達式，表達式左側列       

    #出要保留的主字段（即不會被擴寬的字段，右側則是要分割的分類變量，擴展之后的       

    #寬數據會增加若干列度量值，列數等于表達式右側分類變量的類別個數

  ）

除此之外，tidyr包中的spread函數在解決數據長轉寬方面也是很好的一個選擇。

spread：

spread(

   data=data1,   #帶轉換長數據框名稱

   key=Year,     #帶擴寬的類別變量（編程新增列名稱）  

   value=Sale)   #帶擴寬的度量值 （編程新增列度量值）

從以上代碼的復雜度來看，reshape2內的兩個函數melt\dcast和tidyr內的兩個函數gather\spread相比，gather\spread這一對函數完勝，不愧是哈神的最新力作，tidyr內的兩個函數所需參數少，邏輯上更好理解，自始至終都圍繞著data，key、value三個參數來進行設定，而相對老舊的包reshape2內的melt\dcast函數在參數配置上就顯得不是很友好，他是圍繞著一直不變的主字段來進行設定的，tidyr包則圍繞著轉換過程中會變形的維度和度量來設定的。

接下來是Python中的數據塑性與長寬轉換。

Python中我只講兩個函數：

• melt  #數據寬轉長

• pivot_table  #數據長轉寬

Python中的Pandas包提供了與R語言中reshape2包內幾乎同名的melt函數來對數據進行塑型（寬轉長）操作，甚至連內部參數都保持了一致的風格。

import pandas as pd

import numpy as np

mydata=pd.DataFrame({

"Name":["蘋果","谷歌","臉書","亞馬遜","騰訊"],

"Conpany":["Apple","Google","Facebook","Amozon","Tencent"],

"Sale2013":[5000,3500,2300,2100,3100],

"Sale2014":[5050,3800,2900,2500,3300],

"Sale2015":[5050,3800,2900,2500,3300],

"Sale2016":[5050,3800,2900,2500,3300]

       })

mydata1=mydata.melt(

id_vars=["Name","Conpany"],   #要保留的主字段

var_name="Year",                     #拉長的分類變量

value_name="Sale"                  #拉長的度量值名稱

        )

除此之外，我了解到還可以通過stack、wide_to_long函數來進行寬轉長，但是個人覺得melt函數比較直觀一些，也與R語言中的數據寬轉長用法一致，推薦使用。

奇怪的是我好像沒有在pandas中找到對應melt的數據長轉寬函數（R語言中都是成對出現的）。還在Python中提供了非常便捷的數據透視表操作函數，剛開始就已經說過是，長數據轉寬數據就是數據透視的過程（自然寬轉長就可以被稱為逆透視咯，PowerBI也是這么稱呼的）。

pandas中的數據透視表函數提供如同Excel原生透視表一樣的使用體驗，即行標簽、列標簽、度量值等操作，根據使用規則，行列主要操作維度指標，值主要操作度量指標。

那么以上長數據mydata1就可以通過這種方式實現透視。

mydata1.pivot_table(

index=["Name","Conpany"],    #行索引（可以使多個類別變量）

columns=["Year"],                   #列索引（可以使多個類別變量）

values=["Sale"]                       #值（一般是度量指標）

     )

通常這種操作也可以借助堆棧函數來達到同樣的目的。(但是使用stack\unstack需要額外設置多索引，灰常麻煩，所以不是很推薦，有興趣可以查看pandas中的stack/unstack方法，這里不再贅述)。

綜上所述，本文主要提供了R語言與Python中用于處理數據重塑（長寬轉換的常用解決方案）。

R語言：

• reshape2::melt

• reshape2::dcast

• tidyr::gather

• tidyr::spread

Python：

• pandas-melt

• pandas-pivot_table

• (備選方案——stack/unstack、wide_to_long)

“r語言和pyhthon數據塑型與長寬的轉換方法”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！