當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

R tidyr pivot_wider_spec 使用規範將數據從長軸轉向寬軸


這是一個低級數據透視接口，受 cdata 包啟發，允許您使用 DataFrame 說明數據透視。

用法

pivot_wider_spec(
  data,
  spec,
  ...,
  names_repair = "check_unique",
  id_cols = NULL,
  id_expand = FALSE,
  values_fill = NULL,
  values_fn = NULL,
  unused_fn = NULL,
  error_call = current_env()
)

build_wider_spec(
  data,
  ...,
  names_from = name,
  values_from = value,
  names_prefix = "",
  names_sep = "_",
  names_glue = NULL,
  names_sort = FALSE,
  names_vary = "fastest",
  names_expand = FALSE,
  error_call = current_env()
)

參數

data

要旋轉的 DataFrame 。

spec

規範 DataFrame 。這對於更複雜的數據透視非常有用，因為它使您可以更好地控製存儲在列中的元數據如何成為結果中的列名稱。

必須是包含字符.name 和.value 列的 DataFrame 。 spec 中的其他列應命名為與數據集長格式的列匹配，並包含與從寬格式轉換的列相對應的值。特殊的 .seq 變量用於在內部消除行的歧義；旋轉後它會自動移除。

...

這些點用於將來的擴展，並且必須為空。

names_repair

如果輸出具有無效的列名稱，會發生什麽情況？默認情況下，如果列重複，"check_unique" 將出錯。使用 "minimal" 允許輸出中存在重複項，或使用 "unique" 通過添加數字後綴來消除重複項。有關更多選項，請參閱vctrs::vec_as_names()。

id_cols

< tidy-select > 唯一標識每個觀察值的一組列。默認為 data 中的所有列，spec$.value 中指定的列以及 spec 中未命名為 .name 或 .value 的列除外。通常在有冗餘變量(即其值與現有變量完全相關的變量)時使用。

id_expand

在旋轉之前，id_cols 列中的值是否應該擴展expand()？這會產生更多行，輸出將包含 id_cols 中所有可能值的完整擴展。數據中未表示的隱性因子水平將變得顯性。此外，與擴展的id_cols對應的行值將被排序。

values_fill

(可選)一個(標量)值，指定每個 value 在缺失時應填充的內容。

如果您想將不同的填充值應用於不同的值列，這可以是命名列表。

values_fn

(可選)應用於輸出中每個單元格中的值的函數。當 id_cols 和 names_from 列的組合不能唯一標識觀測值時，您通常會使用此選項。

如果您想將不同的聚合應用於不同的 values_from 列，這可以是命名列表。

unused_fn

(可選)應用一個函數來匯總未使用列(即未由 id_cols 、 names_from 或 values_from 標識的列)中的值。

默認情況下會從結果中刪除所有未使用的列。

如果您想將不同的聚合應用於不同的未使用列，這可以是命名列表。

必須提供 id_cols 才能使 unused_fn 有用，否則所有未指定的列都將被視為 id_cols 。

這類似於按 id_cols 進行分組，然後使用 unused_fn 匯總未使用的列。

error_call

當前運行函數的執行環境，例如caller_env() 。該函數將在錯誤消息中作為錯誤源被提及。有關詳細信息，請參閱 abort() 的 call 參數。

names_from, values_from

< tidy-select > 一對參數，說明從哪一列(或多列)獲取輸出列的名稱 ( names_from )，以及從哪一列(或多列)獲取單元格值 ( values_from )。

如果values_from包含多個值，該值將被添加到輸出列的前麵。

names_prefix

添加到每個變量名稱開頭的字符串。如果 names_from 是數值向量並且您想要創建語法變量名稱，這尤其有用。

names_sep

如果 names_from 或 values_from 包含多個變量，這將用於將它們的值連接到單個字符串中以用作列名稱。

names_glue

您可以提供使用 names_from 列(和特殊的 .value )來創建自定義列名稱的粘合規範，而不是 names_sep 和 names_prefix 。

names_sort

列名應該排序嗎？如果是FALSE(默認值)，則列名稱按首次出現排序。

names_vary

當 names_from 標識具有多個唯一值的列(或多列)，並且提供了多個 values_from 列時，應按什麽順序組合結果列名稱？

  • "fastest" 以最快的速度改變 names_from 值，從而產生以下形式的列命名方案： value1_name1, value1_name2, value2_name1, value2_name2 。這是默認設置。

  • "slowest" 以最慢的速度改變 names_from 值，從而產生以下形式的列命名方案： value1_name1, value2_name1, value1_name2, value2_name2 。

names_expand

在旋轉之前，names_from 列中的值是否應該擴展expand()？這會產生更多列，輸出將包含與 names_from 中所有可能值的完整擴展相對應的列名稱。數據中未表示的隱性因子水平將變得顯性。此外，列名將被排序，與 names_sort 生成的內容相同。

例子

# See vignette("pivot") for examples and explanation

us_rent_income
#> # A tibble: 104 × 5
#>    GEOID NAME       variable estimate   moe
#>    <chr> <chr>      <chr>       <dbl> <dbl>
#>  1 01    Alabama    income      24476   136
#>  2 01    Alabama    rent          747     3
#>  3 02    Alaska     income      32940   508
#>  4 02    Alaska     rent         1200    13
#>  5 04    Arizona    income      27517   148
#>  6 04    Arizona    rent          972     4
#>  7 05    Arkansas   income      23789   165
#>  8 05    Arkansas   rent          709     5
#>  9 06    California income      29454   109
#> 10 06    California rent         1358     3
#> # … with 94 more rows
spec1 <- us_rent_income %>%
  build_wider_spec(names_from = variable, values_from = c(estimate, moe))
spec1
#> # A tibble: 4 × 3
#>   .name           .value   variable
#>   <chr>           <chr>    <chr>   
#> 1 estimate_income estimate income  
#> 2 estimate_rent   estimate rent    
#> 3 moe_income      moe      income  
#> 4 moe_rent        moe      rent    

us_rent_income %>%
  pivot_wider_spec(spec1)
#> # A tibble: 52 × 6
#>    GEOID NAME                 estimate_income estimate_r…¹ moe_i…² moe_r…³
#>    <chr> <chr>                          <dbl>        <dbl>   <dbl>   <dbl>
#>  1 01    Alabama                        24476          747     136       3
#>  2 02    Alaska                         32940         1200     508      13
#>  3 04    Arizona                        27517          972     148       4
#>  4 05    Arkansas                       23789          709     165       5
#>  5 06    California                     29454         1358     109       3
#>  6 08    Colorado                       32401         1125     109       5
#>  7 09    Connecticut                    35326         1123     195       5
#>  8 10    Delaware                       31560         1076     247      10
#>  9 11    District of Columbia           43198         1424     681      17
#> 10 12    Florida                        25952         1077      70       3
#> # … with 42 more rows, and abbreviated variable names ¹estimate_rent,
#> #   ²moe_income, ³moe_rent

# Is equivalent to
us_rent_income %>%
  pivot_wider(names_from = variable, values_from = c(estimate, moe))
#> # A tibble: 52 × 6
#>    GEOID NAME                 estimate_income estimate_r…¹ moe_i…² moe_r…³
#>    <chr> <chr>                          <dbl>        <dbl>   <dbl>   <dbl>
#>  1 01    Alabama                        24476          747     136       3
#>  2 02    Alaska                         32940         1200     508      13
#>  3 04    Arizona                        27517          972     148       4
#>  4 05    Arkansas                       23789          709     165       5
#>  5 06    California                     29454         1358     109       3
#>  6 08    Colorado                       32401         1125     109       5
#>  7 09    Connecticut                    35326         1123     195       5
#>  8 10    Delaware                       31560         1076     247      10
#>  9 11    District of Columbia           43198         1424     681      17
#> 10 12    Florida                        25952         1077      70       3
#> # … with 42 more rows, and abbreviated variable names ¹estimate_rent,
#> #   ²moe_income, ³moe_rent

# `pivot_wider_spec()` provides more control over column names and output format
# instead of creating columns with estimate_ and moe_ prefixes,
# keep original variable name for estimates and attach _moe as suffix
spec2 <- tibble(
  .name = c("income", "rent", "income_moe", "rent_moe"),
  .value = c("estimate", "estimate", "moe", "moe"),
  variable = c("income", "rent", "income", "rent")
)

us_rent_income %>%
  pivot_wider_spec(spec2)
#> # A tibble: 52 × 6
#>    GEOID NAME                 income  rent income_moe rent_moe
#>    <chr> <chr>                 <dbl> <dbl>      <dbl>    <dbl>
#>  1 01    Alabama               24476   747        136        3
#>  2 02    Alaska                32940  1200        508       13
#>  3 04    Arizona               27517   972        148        4
#>  4 05    Arkansas              23789   709        165        5
#>  5 06    California            29454  1358        109        3
#>  6 08    Colorado              32401  1125        109        5
#>  7 09    Connecticut           35326  1123        195        5
#>  8 10    Delaware              31560  1076        247       10
#>  9 11    District of Columbia  43198  1424        681       17
#> 10 12    Florida               25952  1077         70        3
#> # … with 42 more rows
源代碼：R/pivot-wide.R

相關用法


注：本文由純淨天空篩選整理自Hadley Wickham等大神的英文原創作品 Pivot data from long to wide using a spec。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。