tidyr包的作者是Hadley Wickham。这个包常跟dplyr结合使用。本文将介绍tidyr包中下述四个函数的用法：
- gather—宽数据转为长数据。类似于reshape2包中的melt函数
- spread—长数据转为宽数据。类似于reshape2包中的cast函数
- unit—多列合并为一列
- separate—将一列分离为多列
1.载入包
# 使用datasets包中的mtcars数据集做演示 library(tidyr) library(dplyr) head(mtcars)
# 为方便处理，在数据集中增加一列car mtcars$car <- rownames(mtcars) mtcars <- mtcars[, c(, :)] View(mtcars)
2.gather--宽数据转为长数据
使用gather()函数实现宽表转长表，语法如下： gather(data, key, value, …, na.rm = FALSE, convert = FALSE) data：需要被转换的宽形表 key：将原数据框中的所有列赋给一个新变量key value：将原数据框中的所有值赋给一个新变量value …：可以指定哪些列聚到同一列中 na.rm：是否删除缺失值
开始使用：
# 除了car列外，其余列聚合成两列，分别命名为attribute和value mtcarsNew <- mtcars %>% gather(attribute, value, -car) head(mtcarsNew)
如你所见，除了car列外，其余列聚合成两列，分别命名为attribute和value。tidyr很好的一点是可以只gather若干列而其他列保持不变。如果你想gather在map和gear之间的所有列而保持carb和car列不变，可以像下面这样做：
# gather在map和gear之间的所有列而保持carb和car列不变 mtcarsNew <- mtcars %>% gather(attribute, value, mpg:gear) head(mtcarsNew)
3.spread--长数据转为宽数据
有时，为了满足建模或绘图的要求，往往需要将长形表转换为宽形表，或将宽形表变为长形表。如何实现这两种数据表类型的转换。使用spread()函数实现长表转宽表，语法如下：
spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE) data：为需要转换的长形表 key：需要将变量值拓展为字段的变量 value：需要分散的值 fill：对于缺失值，可将fill的值赋值给被转型后的缺失值
使用：
mtcarsSpread <- mtcarsNew %>% spread(attribute, value)
head(mtcarsSpread)
car carb mpg cyl disp hp drat wt qsec vs am gear
AMC Javelin
Cadillac Fleetwood
Camaro Z28
Chrysler Imperial
Datsun
Dodge Challenger
4.unite--多列合并为一列
unite的调用格式如下：
unite(data, col, …, sep = “_”, remove = TRUE) data：为数据框 col：被组合的新列名称 …：指定哪些列需要被组合 sep：组合列之间的连接符，默认为下划线 remove：是否删除被组合的列
其作用是将多列合并为一列，举例如下：
# 虚构一些数据 ) date <- : hour <- sample(:, ) min <- sample(:, ) second <- sample(:, ) ) data <- data.frame(date, hour, min, second, event) View(data)
# 把date，hour，min和second列合并为新列datetime # R中的日期时间格式为"Year-Month-Day-Hour:Min:Second" dataNew <- data %>% unite(datehour, date, hour, sep = ' ') %>% unite(datetime, datehour, min, second, sep = ':') View(dataNew)
5.separate--将一列分离为多列
separate()函数可将一列拆分为多列，一般可用于日志数据或日期时间型数据的拆分，语法如下：
separate(data, col, into, sep = “[^[:alnum:]]+”, remove = TRUE, convert = FALSE, extra = “warn”, fill = “warn”, …) data：为数据框 col：需要被拆分的列 into：新建的列名，为字符串向量 sep：被拆分列的分隔符 remove：是否删除被分割的列
举例如下：
# 可以用separate函数将数据恢复到刚创建的时候
# 首先，将datetime分为date列和time列 然后，将time列分为hour，min，second列
data1 <- dataNew %>%
separate(datetime, c('date', 'time'), sep = ' ') %>%
separate(time, c('hour', 'min', 'second'), sep = ':')
data1
6.tidyr包0.5.0版本新特性
目前tidyr包已更新至0.5.1版本，接下来简要介绍0.5.0版本中三个有用的新特性：
准备工作：
library('tidyr')
library(tibble)
注：为了保持跟原文一致，本文用的是data.frame的精简版data_frame。需加载tibble包。
三个新特性
（1）separate_rows()：通过分隔符将那些含有多个值的字段拆分为多行。
separate_rows(data, ..., sep = "[^[:alnum:].]+", convert = FALSE) data:数据 ...:需要被拆分的列 sep:分隔符
示例操作：
df <- data_frame(x = :,y = c("a,b","d,e,f"));df
df %>% separate_rows(y,sep = ",")
df %>% separate(y,c("y1","y2","y3"),sep = ",",fill = "right")
（2）spread()函数增加了一个sep参数：用于将列名设置为“key|sep|value”格式。这在对字段为数值型数据做重塑时非常有用。
spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE,sep = NULL) data：为需要转换的长形表 key：需要将变量值拓展为字段的变量 value：需要分散的值 fill：对于缺失值，可将fill的值赋值给被转型后的缺失值 sep:用于将列名设置为“key|sep|value”格式
示例：
df <- data_frame(x = c(,,),
key = c(,,),
val = c("a","b","c"));df
df %>% spread(key,val)
df %>% spread(key,val,sep = "_")
（3）unnest()函数增加了一个.sep参数。当数据框的多个列包含有相同变量名的时候非常有用：
unnest()嵌套list的列
unnest(data, ..., .drop = NA, .id = NULL, .sep = NULL) data:数据框 ...:要嵌套的列 .id:用于显示列表中定义的名称 .sep:当数据框的多个列包含相同变量名的时候非常有用
使用示例：
df <- data_frame(x = :,
y1 = list(data_frame(y = ),data_frame(y = )),
y2 = list(data_frame(y = "a"),data_frame(y = "b")))
df
df %>% unnest()
df %>% unnest(.sep = "_")
同时，unnest()函数添加了.id参数用于显示列表中定义的名称：
df <- data_frame(x = :,
y = list(a = :,b = :));df
df %>% unnest()
df %>% unnest(.id = "id")
