【R學習筆記】- 數據整形 - dplyr and tidyr

dplyr包裡的group_by()和summarise()，這兩個函數我用過，tidyr包沒接觸過，但接觸過類似裡面的gather()、spread()函數，是reshape2包裡的melt()、cast()函數。此外data.table包也有reshape2包類似的功能。今天這兩個包是同一個人寫的，他還開發ggplot2包，前面用來導入spass數據的haven包也是他的作品。今天沒有看說明書，就是簡單試用兩個包的幾個函數，如下：

準備數據

我們用上次做最後一道二項分布檢驗的數據。

library(dplyr)

testdata <-  data.frame(ill=c(0,1,2,3),family=c(112,20,11,7))
testdata <- mutate(testdata, ill_number = ill*family)
p <- sum(testdata$ill_number)/(sum(testdata$family)*3)
x <- seq(0, 3,by =1)
testdata$P1 <- dbinom(x,3,p)
testdata <- mutate(testdata, theory_family = P1*family)
str(testdata)

## 'data.frame':    4 obs. of  5 variables:##  $ ill          : num  0 1 2 3##  $ family       : num  112 20 11 7##  $ ill_number   : num  0 20 22 21##  $ P1           : num  0.63606 0.31063 0.05057 0.00274##  $ theory_family: num  71.2383 6.2126 0.5562 0.0192

Syntax - Helpful conventions for wrangling

使用tbl_df()函數，tbl’s are easier to examine than data frames

testdata_tbl_df <- tbl_df(testdata)
str(testdata_tbl_df)

## Classes 'tbl_df', 'tbl' and 'data.frame':    4 obs. of  5 variables:##  $ ill          : num  0 1 2 3##  $ family       : num  112 20 11 7##  $ ill_number   : num  0 20 22 21##  $ P1           : num  0.63606 0.31063 0.05057 0.00274##  $ theory_family: num  71.2383 6.2126 0.5562 0.0192

跟str()功能怎麼看起來一樣呢？

glimpse(testdata_tbl_df)

## Observations: 4## Variables: 5## $ ill           <dbl> 0, 1, 2, 3## $ family        <dbl> 112, 20, 11, 7## $ ill_number    <dbl> 0, 20, 22, 21## $ P1            <dbl> 0.636056, 0.310632, 0.050568, 0.002744## $ theory_family <dbl> 71.238272, 6.212640, 0.556248, 0.019208

Reshaping Data - Change the layout of a data set

testdata_tbl_df

## # A tibble: 4 x 5##     ill family ill_number       P1 theory_family##   <dbl>  <dbl>      <dbl>    <dbl>         <dbl>## 1     0    112          0 0.636056     71.238272## 2     1     20         20 0.310632      6.212640## 3     2     11         22 0.050568      0.556248## 4     3      7         21 0.002744      0.019208

Gather columns into rows：

library(tidyr)

testdata2 <- gather(testdata_tbl_df, "taxon", "n", c(2,5))

## Warning in if (!is.finite(x)) return(FALSE): 條件的長度大於一，因此只能用其## 第一元素

testdata2

## # A tibble: 8 x 5##     ill ill_number       P1         taxon          n##   <dbl>      <dbl>    <dbl>         <chr>      <dbl>## 1     0          0 0.636056        family 112.000000## 2     1         20 0.310632        family  20.000000## 3     2         22 0.050568        family  11.000000## 4     3         21 0.002744        family   7.000000## 5     0          0 0.636056 theory_family  71.238272## 6     1         20 0.310632 theory_family   6.212640## 7     2         22 0.050568 theory_family   0.556248## 8     3         21 0.002744 theory_family   0.019208

前天我們是重新生成數據表的，效果是一樣的，但是如果數據量多，上面的方法就很方便幫我們做數據變形啦。

testdata3 <- data.frame(ill=testdata$ill,family=c(testdata$family,testdata$theory_family),txon=c("real","real","real","real","theory","theory","theory","theory"))testdata3

##   ill     family   txon## 1   0 112.000000   real## 2   1  20.000000   real## 3   2  11.000000   real## 4   3   7.000000   real## 5   0  71.238272 theory## 6   1   6.212640 theory## 7   2   0.556248 theory## 8   3   0.019208 theory

Spread rows into columns:

spread(testdata3, key = txon, value = family)

##   ill real    theory## 1   0  112 71.238272## 2   1   20  6.212640## 3   2   11  0.556248## 4   3    7  0.019208

更多函數tidyr包

separate() 一列按分隔符分割為多列

`unite()``將多列按指定分隔符合併為一列

dplry包

select() 按照列名篩選列，可結合starts_with，ends_with，contains，matches，one_of，num_range和everything等使用

filter() 按照已定條件對行做過濾，類似標準函數subset

arrange() 對數據進行排序，類似標準函數order

summarise() 對數據進行匯總操作,可結合group_by使用,類似標註函數aggregate

join()，set()，distinct()，sample()，bind()，ifelse()

參考資料

數據整合神器之tidyr包 

數據整合神器之dplyr包 

Data Wrangling with dplyr and tidyr Cheat Sheet

R語言學習筆記歷史記錄

基礎系列

R學習筆記-0-開始學習

R學習筆記-1-語法基礎

【資料庫學習筆記-2】R VS 資料庫

繪圖系列

用R繪製覆蓋深度的頻數直方圖

【R語言】韋恩圖的簡單繪製

數據分析系列

【學習筆記】宏基因組的差異基因分析-0

PANDA姐的轉錄組入門(7)：差異基因分析-1

PANDA姐的轉錄組入門(8)：差異基因結果注釋

統計學習系列

【好書分享】如何系統用R學習統計學？

【用R學統計】第一周統計練習-1

【用R學統計】第一周統計練習-2

【用R學統計】第一周統計練習-3

【用R學統計】第二周統計練習-1