R----tidyr包介绍学习

tidyr包:reshape2的替代者,功能更纯粹

R将整洁数据定义为:每个变量的数据存储在自身的列中,每个观测值的数据存储在其自身的行中。整洁数据是进行数据再加工的基础。

考虑本系列04的例子。对于melt,tidyr用gather进行替代。

1
table1 <- gather(table2,  道路等级, 日均覆盖里程,  one_of(c("高速覆盖里程", "快速路覆盖里程", "主要道路覆盖里程")))

最后一个参数指定要gather的列,x:y表示从x到y的列,-z表示不包括z列。还可以使用dplyr包的select的option表达式进行列的选取,示例代码使用了one_of表达式。

对于cast, tidyr用spread进行替代。

1
table2 <- spread(table1, 道路等级, 日均覆盖里程)

此外,tidyr还提供了separate将一列按分隔符分割为多列,unite将多列按指定分隔符合并为一列。

时间: 2024-10-05 06:28:31

R----tidyr包介绍学习的相关文章

R----dplyr包介绍学习

dplyr包:plyr包的替代者,专门面对数据框,将ddplyr转变为更易用的接口 首先dplyr提供了一个符号%>%,该符号将左边的对象作为第一个参数传递到右边的函数中,这样就实现类似unix管道的编程风格,代码更易读. dplyr很好地解决了base包中的几个数据处理的痛点,具体可以参考本系列01. 首先,dplyr可以方便地抽取数据框的子集.抽取行的子集函数有filter,distinct,sample_frac,sample_n,slice,top_n.抽取列的子集函数是select,可

R----stringr包介绍学习

目录 stringr介绍 stringr安装 stringr的API介绍 1. stringr介绍 stringr包被定义为一致的.简单易用的字符串工具集.所有的函数和参数定义都具有一致性,比如,用相同的方法进行NA处理和0长度的向量处理. 字符串处理虽然不是R语言中最主要的功能,却也是必不可少的,数据清洗.可视化等的操作都会用到.对于R语言本身的base包提供的字符串基础函数,随着时间的积累,已经变得很多地方不一致,不规范的命名,不标准的参数定义,很难看一眼就上手使用.字符串处理在其他语言中都

R----Shiny包介绍学习

为什么用Shiny Shiny让数据分析师写完分析与可视化代码后,稍微再花几十分钟,就可以把分析代码工程化,将分析成果快速转化为交互式网页分享给别人.所以,如果你是一名使用R的数据分析师,选择Shiny是非常明智的,因为它不需要你有新的技能,且开发起来实在太快.它跟通常我们了解的其他框架不一样:其他框架一般都是前后端分离,后端提供json,前端根据json绘图绘表,需要若干个程序员协同开发完成.然而这种可视化的小工具往往是得不到研发资源的支持,只能本数据分析师一人操刀前后端全包. #######

R-RMySQL包介绍学习

参考内容: RMySQL数据库编程指南R语言使用RMySQL连接及读写Mysql数据库 RMySql包安装和加载优点问题,试着根据提示简单安装和加载可以使用,后续再查询资料解决. 3.2.1 连接数据库 dbConnect(MySQL(),host="localhost",dbname,user="",password="", ...) library(RMySql) #可能是安装RMySQL的问题,导致直接library(RMySql)提示不存

R----DT包介绍学习

DT包:查看矩阵或数据框的内容 12 library(DT)datatable(iris, options = list(pageLength = 5)) DT包提供大量UI定制功能,即修改展示的HTML.CSS和js. 12345678910 m = matrix( c('<b>Bold</b>', '<em>Emphasize</em>', '<a href="#" onclick="alert(\'Hello\');

R----plotly包介绍学习

plotly包:让ggplot2的静态图片变得可交互 1234 library(plotly)p <- ggplot(data = diamonds, aes(x = cut, fill = clarity)) + geom_bar(position = "dodge")ggplotly(p) plotly支持facet,不过当facet的图形超过9个以后,legend处会出现bug.

R语言︱H2o深度学习的一些R语言实践——H2o包

R语言H2o包的几个应用案例 笔者寄语:受启发想了解H2o平台的一些R语言实现,网上已有一篇H2o的demo文件.笔者在这多贴一些案例,并且把自己实践的一些小例子贴出来. 关于H2o平台长啥样,可以看H2o的官网,关于深度学习长啥样,可以看一些教程,比如ParallelR博客之中的解析. 下面主要是贴几个案例,让大家看看. ------------------------------------------------------------ Matt︱R语言调用深度学习架构系列引文 R语言︱H

R语言caret包的学习(一)--数据预处理

caret包(Classification and Regression Training)是一系列函数的集合,它试图对创建预测模型的过程进行流程化.本系列将就数据预处理.特征选择.抽样.模型调参等进行介绍学习. 本文将就caret包中的数据预处理部分进行介绍学习.主要包括以下函数:model.matrix(),dummyVars(),nearZeroVar(),findCorrelation(),findLinearCombos(),preProcess(),classDist() 创建虚拟变

R包介绍

R语言的使用,很大程度上是借助各种各样的R包的辅助,从某种程度上讲,R包就是针对于R的插件,不同的插件满足不同的需求,截至2013年3月6日,CRAN已经收录了各类包4338个. 一. R语言包的安装 1.通过选择菜单: 程序包->安装程序包->在弹出的对话框中,选择你要安装的包,然后确定. 2.使用命令 install.packages("package_name","dir") package_name:是指定要安装的包名,请注意大小写. dir:包