R在数据科学中的应用，第2版

第 5 章 数据整理 数据 Tidy

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

导言

"幸福的家庭都是相似的，不幸的家庭各有各的不幸"。 列奥-托尔斯泰

"Tidy数据集都是相似的，但每一个凌乱的数据集都有其凌乱之处"。 哈德利-维克汉姆

在本章中，你将学习使用一种名为 "tidy data"的系统在 R 中组织数据的一致方法。将数据转换成这种格式需要一些前期工作，但这些工作会带来长期回报。一旦你拥有了整洁数据和由 Tidyverse 中的软件包提供的整洁工具，你就可以花更少的时间将数据从一种表示法混杂到另一种表示法，从而将更多的时间花在你关心的数据问题上。

在本章中，你将首先学习整理数据的定义，并将其应用于一个简单的玩具数据集。然后，我们将深入学习整理数据的主要工具：透视。透视功能允许你在不改变任何值的情况下改变数据的形式。

先决条件

在本章中，我们将重点介绍 Tidyr，它是一个提供大量工具帮助整理凌乱数据集的软件包。

library(tidyverse)

从本章开始，我们将抑制来自 library(tidyverse).

Tidy 数据

您可以用多种方式表示相同的基础数据。下面的示例显示了以三种不同方式组织的相同数据。每个数据集都显示了四个变量的相同值：国家、年份、人口和记录在案的肺结核（TB）病例数，但每个数据集以不同的方式组织这些值。

table1
#> # A tibble: 6 × 4
#>   country      year  cases population
#>   <chr>       <dbl>  <dbl>      <dbl>
#> 1 Afghanistan  1999    745   19987071
#> 2 Afghanistan  2000   2666   20595360
#> 3 Brazil       1999  37737  172006362
#> 4 Brazil       2000  80488  174504898
#> 5 China        1999 212258 1272915272
#> 6 China        2000 213766 1280428583

table2
#> # A tibble: 12 × 4
#>   country      year type           count
#>   <chr>       <dbl> <chr>          <dbl>
#> 1 Afghanistan  1999 cases            745
#> 2 Afghanistan  1999 population  19987071
#> 3 Afghanistan  2000 cases           2666
#> 4 Afghanistan  2000 population  20595360
#> 5 Brazil       1999 cases          37737
#> 6 Brazil       1999 population 172006362
#> # … with 6 more rows

table3
#> # A tibble: 6 × 3
#>   country      year rate             
#>   <chr>     <dbl>     <chr>         
#> 1 Afghanistan  1999 745/19987071     
#> 2 Afghanistan  2000 2666/20595360    
#> 3 Brazil       1999 37737/172006362  
#> 4 Brazil       2000 80488/174504898  
#> 5 China        1999 212258/1272915272
#> ...