Cambiar la forma de los datos en R es cambiar la forma en que los datos se organizan en filas y columnas. La mayoría de las veces, el procesamiento de datos en R se realiza utilizando la entrada como un marco de datos. Es fácil extraer datos de las filas y columnas de un marco de datos, pero hay ocasiones en las que necesitamos un marco de datos en un formato diferente al formato en el que lo recibimos. R tiene muchas funciones para dividir, concatenar y modificar filas en columnas y viceversa en un marco de datos.
Podemos concatenar múltiples vectores para crear un marco de datos usando cbind ()función. También podemos concatenar dos marcos de datos usando rbind () función.
# Create vector objects. city <- c("Tampa","Seattle","Hartford","Denver") state <- c("FL","WA","CT","CO") zipcode <- c(33602,98104,06161,80294) # Combine above three vectors into one data frame. addresses <- cbind(city,state,zipcode) # Print a header. cat("# # # # The First data framen") # Print the data frame. print(addresses) # Create another data frame with similar columns new.address <- data.frame( city = c("Lowry","Charlotte"), state = c("CO","FL"), zipcode = c("80230","33949"), stringsAsFactors = FALSE ) # Print a header. cat("# # # The Second data framen") # Print the data frame. print(new.address) # Combine rows form both the data frames. all.addresses <- rbind(addresses,new.address) # Print a header. cat("# # # The combined data framen") # Print the result. print(all.addresses)
Cuando ejecutamos el código anterior, da el siguiente resultado:
# # # # The First data frame city state zipcode [1,] "Tampa" "FL" "33602" [2,] "Seattle" "WA" "98104" [3,] "Hartford" "CT" "6161" [4,] "Denver" "CO" "80294" # # # The Second data frame city state zipcode 1 Lowry CO 80230 2 Charlotte FL 33949 # # # The combined data frame city state zipcode 1 Tampa FL 33602 2 Seattle WA 98104 3 Hartford CT 6161 4 Denver CO 80294 5 Lowry CO 80230 6 Charlotte FL 33949
Podemos concatenar dos marcos de datos usando combinar () función. Los marcos de datos deben tener los mismos nombres de columna en los que fusionarse.
En el siguiente ejemplo, estamos viendo los conjuntos de datos de diabetes femenina de Pima disponibles en la biblioteca MASS. Combinamos los dos conjuntos de datos basados en valores de presión arterial («pb») e índice de masa corporal («bmi»). Cuando selecciona estas dos columnas para fusionar, los registros en los que los valores de las dos variables son iguales en ambos conjuntos de datos se fusionan para formar un solo marco de datos.
library(MASS) merged.Pima <- merge(x = Pima.te, y = Pima.tr, by.x = c("bp", "bmi"), by.y = c("bp", "bmi") ) print(merged.Pima) nrow(merged.Pima)
Cuando ejecutamos el código anterior, da el siguiente resultado:
bp bmi npreg.x glu.x skin.x ped.x age.x type.x npreg.y glu.y skin.y ped.y 1 60 33.8 1 117 23 0.466 27 No 2 125 20 0.088 2 64 29.7 2 75 24 0.370 33 No 2 100 23 0.368 3 64 31.2 5 189 33 0.583 29 Yes 3 158 13 0.295 4 64 33.2 4 117 27 0.230 24 No 1 96 27 0.289 5 66 38.1 3 115 39 0.150 28 No 1 114 36 0.289 6 68 38.5 2 100 25 0.324 26 No 7 129 49 0.439 7 70 27.4 1 116 28 0.204 21 No 0 124 20 0.254 8 70 33.1 4 91 32 0.446 22 No 9 123 44 0.374 9 70 35.4 9 124 33 0.282 34 No 6 134 23 0.542 10 72 25.6 1 157 21 0.123 24 No 4 99 17 0.294 11 72 37.7 5 95 33 0.370 27 No 6 103 32 0.324 12 74 25.9 9 134 33 0.460 81 No 8 126 38 0.162 13 74 25.9 1 95 21 0.673 36 No 8 126 38 0.162 14 78 27.6 5 88 30 0.258 37 No 6 125 31 0.565 15 78 27.6 10 122 31 0.512 45 No 6 125 31 0.565 16 78 39.4 2 112 50 0.175 24 No 4 112 40 0.236 17 88 34.5 1 117 24 0.403 40 Yes 4 127 11 0.598 age.y type.y 1 31 No 2 21 No 3 24 No 4 21 No 5 21 No 6 43 Yes 7 36 Yes 8 40 No 9 29 Yes 10 28 No 11 55 No 12 39 No 13 39 No 14 49 Yes 15 49 Yes 16 38 No 17 28 No [1] 17
Uno de los aspectos más interesantes de la programación en R es cambiar la forma de los datos en unos pocos pasos para obtener la forma deseada. Las funciones utilizadas para esto se denominan derretir() y Elenco()…
Estamos viendo un conjunto de datos llamado barcos, presente en una biblioteca llamada «MASS».
library(MASS) print(ships)
Cuando ejecutamos el código anterior, da el siguiente resultado:
type year period service incidents 1 A 60 60 127 0 2 A 60 75 63 0 3 A 65 60 1095 3 4 A 65 75 1095 4 5 A 70 60 1512 6 ............. ............. 8 A 75 75 2244 11 9 B 60 60 44882 39 10 B 60 75 17176 29 11 B 65 60 28609 58 ............ ............ 17 C 60 60 1179 1 18 C 60 75 552 1 19 C 65 60 781 0 ............ ............
Ahora combinamos los datos para organizarlos convirtiendo todas las columnas, excepto el tipo y el año, en varias filas.
molten.ships <- melt(ships, id = c("type","year")) print(molten.ships)
Cuando ejecutamos el código anterior, da el siguiente resultado:
type year variable value 1 A 60 period 60 2 A 60 period 75 3 A 65 period 60 4 A 65 period 75 ............ ............ 9 B 60 period 60 10 B 60 period 75 11 B 65 period 60 12 B 65 period 75 13 B 70 period 60 ........... ........... 41 A 60 service 127 42 A 60 service 63 43 A 65 service 1095 ........... ........... 70 D 70 service 1208 71 D 75 service 0 72 D 75 service 2051 73 E 60 service 45 74 E 60 service 0 75 E 65 service 789 ........... ........... 101 C 70 incidents 6 102 C 70 incidents 2 103 C 75 incidents 0 104 C 75 incidents 1 105 D 60 incidents 0 106 D 60 incidents 0 ........... ...........
Podemos transformar los datos fundidos en una nueva forma que cree una colección de barcos de cada tipo para cada año. Esto se hace con Elenco() función.
recasted.ship <- cast(molten.ships, type+year~variable,sum) print(recasted.ship)
Cuando ejecutamos el código anterior, da el siguiente resultado:
type year period service incidents 1 A 60 135 190 0 2 A 65 135 2190 7 3 A 70 135 4865 24 4 A 75 135 2244 11 5 B 60 135 62058 68 6 B 65 135 48979 111 7 B 70 135 20163 56 8 B 75 135 7117 18 9 C 60 135 1731 2 10 C 65 135 1457 1 11 C 70 135 2731 8 12 C 75 135 274 1 13 D 60 135 356 0 14 D 65 135 480 0 15 D 70 135 1557 13 16 D 75 135 2051 4 17 E 60 135 45 0 18 E 65 135 1226 14 19 E 70 135 3318 17 20 E 75 135 542 1
🚫