r语言和pyhthon数据塑型与长宽的转换方法

本篇内容介绍了“r语言和pyhthon数据塑型与长宽的转换方法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

数据长宽转换是很常用的需求，特别是当是从Excel中导入的汇总表时，常常需要转换成一维表（长数据）才能提供给图表函数或者模型使用。

在R语言中，提供数据长宽转换的包主要有两个：

reshape2::melt/dcast

tidyr::gather/spread

library("reshape2")

library("tidyr")

mydata<-data.frame(

       Name = c("苹果","谷歌","脸书","亚马逊","腾讯"),

       Conpany = c("Apple","Google","Facebook","Amozon","Tencent"),

       Sale2013 = c(5000,3500,2300,2100,3100),

       Sale2014 = c(5050,3800,2900,2500,3300),

       Sale2015 = c(5050,3800,2900,2500,3300),

       Sale2016 = c(5050,3800,2900,2500,3300)

       )

数据重塑（宽转长）：

melt函数是reshape2包中的数据宽转长的函数

mydata<-melt(

       mydata,                                      #待转换的数据集名称

       id.vars=c("Conpany","Name"),  #要保留的主字段

       variable.name="Year",               #转换后的分类字段名称（维度）

       value.name="Sale"                    #转换后的度量值名称

       )

转换之后，长数据结构保留了原始宽数据中的Name、Conpany字段，同时将剩余的年度指标进行堆栈，转换为一个代表年度的类别维度和对应年度的指标。（即转换后，所有年度字段被降维化了）。

在tidyr包中的gather也可以非常快捷的完成宽转长的任务：

data1<-gather(

      data=mydata,             #待转换的数据集名称

      key="Year",                #转换后的分类字段名称（维度）

      value="Sale" ,             #转换后的度量值名称

      Sale2013:Sale2016    #选择将要被拉长的字段组合

      )                                  #（可以使用x:y的格式选择连续列，也可以以-z的格式排除主字段）

而相对于数据宽转长而言，数据长转宽就显得不是很常用，因为长转宽是数据透视，这种透视过程可以通过汇总函数或者类数据透视表函数来完成。

但是既然数据长宽转换是成对的需求，自然有对应的长转宽函数。

reshape2中的dcast函数可以完成数据长转宽的需求：

dcast(

     data=data1,         #数据集名称

     Name+Conpany~Year   #x1+x2+……~class 

    #这一项是一个转换表达式，表达式左侧列       

    #出要保留的主字段（即不会被扩宽的字段，右侧则是要分割的分类变量，扩展之后的       

    #宽数据会增加若干列度量值，列数等于表达式右侧分类变量的类别个数

  ）

除此之外，tidyr包中的spread函数在解决数据长转宽方面也是很好的一个选择。

spread：

spread(

   data=data1,   #带转换长数据框名称

   key=Year,     #带扩宽的类别变量（编程新增列名称）  

   value=Sale)   #带扩宽的度量值 （编程新增列度量值）

从以上代码的复杂度来看，reshape2内的两个函数melt\dcast和tidyr内的两个函数gather\spread相比，gather\spread这一对函数完胜，不愧是哈神的最新力作，tidyr内的两个函数所需参数少，逻辑上更好理解，自始至终都围绕着data，key、value三个参数来进行设定，而相对老旧的包reshape2内的melt\dcast函数在参数配置上就显得不是很友好，他是围绕着一直不变的主字段来进行设定的，tidyr包则围绕着转换过程中会变形的维度和度量来设定的。

接下来是Python中的数据塑性与长宽转换。

Python中我只讲两个函数：

• melt  #数据宽转长

• pivot_table  #数据长转宽

Python中的Pandas包提供了与R语言中reshape2包内几乎同名的melt函数来对数据进行塑型（宽转长）操作，甚至连内部参数都保持了一致的风格。

import pandas as pd

import numpy as np

mydata=pd.DataFrame({

"Name":["苹果","谷歌","脸书","亚马逊","腾讯"],

"Conpany":["Apple","Google","Facebook","Amozon","Tencent"],

"Sale2013":[5000,3500,2300,2100,3100],

"Sale2014":[5050,3800,2900,2500,3300],

"Sale2015":[5050,3800,2900,2500,3300],

"Sale2016":[5050,3800,2900,2500,3300]

       })

mydata1=mydata.melt(

id_vars=["Name","Conpany"],   #要保留的主字段

var_name="Year",                     #拉长的分类变量

value_name="Sale"                  #拉长的度量值名称

        )

除此之外，我了解到还可以通过stack、wide_to_long函数来进行宽转长，但是个人觉得melt函数比较直观一些，也与R语言中的数据宽转长用法一致，推荐使用。

奇怪的是我好像没有在pandas中找到对应melt的数据长转宽函数（R语言中都是成对出现的）。还在Python中提供了非常便捷的数据透视表操作函数，刚开始就已经说过是，长数据转宽数据就是数据透视的过程（自然宽转长就可以被称为逆透视咯，PowerBI也是这么称呼的）。

pandas中的数据透视表函数提供如同Excel原生透视表一样的使用体验，即行标签、列标签、度量值等操作，根据使用规则，行列主要操作维度指标，值主要操作度量指标。

那么以上长数据mydata1就可以通过这种方式实现透视。

mydata1.pivot_table(

index=["Name","Conpany"],    #行索引（可以使多个类别变量）

columns=["Year"],                   #列索引（可以使多个类别变量）

values=["Sale"]                       #值（一般是度量指标）

     )

通常这种操作也可以借助堆栈函数来达到同样的目的。(但是使用stack\unstack需要额外设置多索引，灰常麻烦，所以不是很推荐，有兴趣可以查看pandas中的stack/unstack方法，这里不再赘述)。

综上所述，本文主要提供了R语言与Python中用于处理数据重塑（长宽转换的常用解决方案）。

R语言：

• reshape2::melt

• reshape2::dcast

• tidyr::gather

• tidyr::spread

Python：

• pandas-melt

• pandas-pivot_table

• (备选方案——stack/unstack、wide_to_long)

“r语言和pyhthon数据塑型与长宽的转换方法”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！