Py学习  »  Python

左手用R右手Python系列(III): 数据塑型与长宽转换

EasyCharts • 6 年前 • 553 次点击  

今天这篇是R语言 with Python系列的第三篇,主要跟大家分享数据处理过程中的数据塑型与长宽转换。


其实这个系列算是我对于之前学习的R语言系列的一个总结,再加上刚好最近入门Python,这样在总结R语言的同时,对比R语言与Pyhton在数据处理中常用解决方案的差异,每一个小节只讲一个小知识点,但是这些知识点都是日常数据处理与清洗过程中非常高频的需求。


不会跟大家啰嗦太多每一个函数的详细参数,只列出那些参数中的必要设定,总体以简单实用为原则。如若需要详细了解每一个函数的内部参数,还是需要自己查阅官方文档。


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

       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

       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

      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)

如需转载请联系EasyCharts团队!

微信后台回复“转载”即可!



【书籍推荐】《Excel 数据之美--科学图表与商业图表的绘制》

【手册获取】国内首款-数据可视化参考手册:专业绘图必备

【必备插件】  EasyCharts -- Excel图表插件

【网易云课堂】  Excel 商业图表修炼秘笈之基础篇



今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/Bs3HkacoIk
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/3094
 
553 次点击