本文首发于“生信补给站”公众号 https://mp.weixin.qq.com/s/UX14c-vyjy_7p81XmYSFiQ
长型数据和宽型数据在数据分析中非常常见 ，其中宽型数据更具可读性，长型数据则更适合做分析。
R-tidyr主要有以下几大功能：
- gather—宽数据转为长数据；
- spread—长数据转为宽数据；
- unit—多列合并为一列；
- separate—将一列分离为多列
unit和separate可参考Tidyverse|数据列的分分合合，一分多，多合一，本文主要介绍利用tidyr包实现长宽数据的转化。
一 载入R包，数据
library(tidyverse) #library(tidyr) #使用mtcars内置数据集 data(mtcars) head(mtcars)
二 宽数据转为长数据
使用gather函数：gather(data, key, value, … , na.rm = FALSE, convert = FALSE)
其中 data：为待转换的宽数据
key：将原数据框中的所有列赋给一个新变量key
value：将原数据框中的所有值赋给一个新变量value
...：可以指定哪些列聚到一列中 （同reshape2区别）
na.rm：是否删除缺失值
1 转换全部列
#宽转长 mtcars_long <- mtcars %>% rownames_to_column("car_ID") %>% gather(key = "variables", value = "values") head(mtcars_long)
2 部分列保持不变
区别于reshape2，...只将指定变量从宽数据变成长数据
1) 不gather car_ID列 （行名转化而来）
mtcars_long2 <- mtcars %>% rownames_to_column("car_ID") %>% gather(key = "variables", value = "values", - car_ID) head(mtcars_long2)
2)gather 在 mpg:am之间的所有列
mtcars_long3 <- mtcars %>% rownames_to_column("car_ID") %>% gather(key = "variables", value = "values", mpg:am) head(mtcars_long3)
三 长数据转为宽数据
使用spread函数：spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)
data：待转换的长数据
key：需要将变量值拓展为字段的变量
value：需要分散的值
fill：对于缺失值，可将fill的值赋值给被转型后的缺失值
mtcars_wide <- mtcars_long2 %>% spread(variables, values) head(mtcars_wide)
这实际将原来gather后的结果还原为gather前, 结果与mtcars一样，只是各列的相互位置稍有调整。
