长宽格式数据转换实践指南

在数据分析过程中，数据的存储格式选择至关重要。R语言倾向于使用长格式数据，而SPSS则常用宽格式数据。了解如何在两者之间进行转换是数据分析中的核心技能之一。本文将详细介绍长宽格式数据的定义及其转换方法。

长宽格式数据的定义

长格式数据：

每一行记录一个ID（如Player）的属性，形式为key:value对。例如，左表中第一行记录Player1的name属性，key为name，value为Sulie。

宽格式数据：

每一行为一个完整的记录，记录ID的多个属性。例如，右表中第一行记录Player1的name、sex、education属性。

注意事项

不要将宽转换为宽格式理解为数据透视表。长转宽仅改变存储形式，不对操作对象进行计算。数据透视表通常用于对操作对象进行统计计算（如计数、求和等）。

转换方法

Python实现

方法一：pandas库中的pivot()和pivot_table()

作用：将长格式数据转换为宽格式数据。

注意：pivot_table()用于数值型值，不能用于字符串型值。

示例代码：

import pandas as pd
from dfply import *
long_data = pd.DataFrame({
    'Player': ['Player1']*3 + ['Player2']*3 + ['Player3']*3,
    'Introduction': ['name', 'education', 'sex']*3,
    'Message': ['Sulie', 'master', 'male', 'LuBan', 'Bachelor', 'male', 'ZhenJi', 'PhD', 'female']
})
long_data = long_data[('Player', 'Introduction', 'Message')]
long_data.pivot(index='Player', columns='Introduction', values='Message')

方法二：dfply库中的spread()

作用：将多个key列展开为宽格式数据。

示例代码：

long_data >> spread('Introduction', 'Message')

R实现

工具：使用tidyr包中的pivot_wider()函数。

示例代码：

library(tidyverse)
long_data %>% 
    group_by(Player) %>% 
    pivot_wider(names_from = Introduction, values_from = Message)

宽转长函数

Python实现

方法一：使用melt()函数。

示例代码：

wide_data.melt(id_vars='Player', var_name='Introduction', value_name='Message')

方法二：使用dfply库中的gather()函数。

示例代码：

wide_data >> gather('Introduction', 'Message', ['name', 'sex', 'education'])

R实现

工具：使用tidyr包中的pivot_longer()函数。

示例代码：

wide_data %>% 
    pivot_longer(cols = -Player, names_to = "Introduction", values_to = "Message")

总结

Python推荐使用dfply库中的函数，R推荐使用tidyr包中的函数。

长转宽和宽转长是数据分析中常见操作，掌握这些方法能显著提升工作效率。

转载地址：http://amtfk.baihongyu.com/

你可能感兴趣的文章