【R语言】tidyverse之二：数据重塑

将新导入的数据变成整洁数据。

一. 什么是整洁数据？

采用 Hadley 的表述，脏的/不整洁的数据往往具有如下特点：

• 首行（列名）是值，不是变量名；
• 多个变量放在一列；
• 变量既放在行也放在列；
• 多种类型的观测单元在同一个单元格；
• 一个观测单元放在多个表。

而整洁数据具有如下特点：

• 每个变量构成一列；
• 每个观测构成一行；
• 观测单元的每个属性构成一个单元格。

Tidyverse 包和 R 函数操作的都是这种整洁数据：对变量重新编码、排序、计算，以及根据分析的需要变换出不同的数据子集。

而不整洁数据，首先需要变成整洁数据，这就是数据重塑。

下面看一个不整洁数据与整洁数据对比的例子：

observation 列有两个变量数据，列名中的 A/B 应是分类变量 species 的两个水平值，测量值列 count 和 dbh 应各占 1 列，而不是 2 列。

变成整洁表如下：

注：这里的关键是，要学会区分哪些是“变量”“观测”“值”。

二. 宽表变长表

宽表的特点是：表比较宽，本来该是”值“的，却出现在”变量“（名）中。

这就需要给它变到“值”中，新起个列名存为一列，这就是所谓的宽表变长表。

tidyr 包（1.0）提供了更先进的 pivot_longer() 函数来实现。

例 1 以 relig_income 数据集为例

relig_income