在数据分析和数据科学项目中，数据变换是数据处理流程中的一个关键环节。数据往往以多种不同的格式存储，但并非所有格式都适合直接用于分析。tidyr包是R语言中一个专门用于数据整形的强大工具，它提供了一系列函数来帮助我们轻松地将数据从一种格式转换为另一种更适合分析的格式。本文将介绍tidyr包中几个核心函数的使用，帮助读者掌握数据变换的基本技巧。
一、tidyr包简介
tidyr包是tidyverse生态系统中的一个成员，它专注于数据的整理和重塑。通过tidyr，我们可以轻松地处理数据中的长格式与宽格式之间的转换、拆分与合并列等常见的数据整形需求。
二、安装与加载tidyr包
首先，确保你已经安装了tidyr包。如果还没有安装，可以使用install.packages()函数进行安装。
install.packages("tidyr")
然后，加载tidyr包以便使用。
library(tidyr)
三、核心函数介绍
1. gather() 和 spread()（注意：已被pivot_longer()和pivot_wider()取代）
在较新版本的tidyr中，gather()和spread()函数已被pivot_longer()和pivot_wider()取代，以提供更加直观和灵活的数据重塑功能。不过，为了完整性，这里还是简要提及。
gather()：将宽格式数据转换为长格式。宽格式数据中，观测值分布在多个列中；而长格式数据中，每个观测值占据一行。spread()：将长格式数据转换为宽格式。与gather()相反，它将具有相同键（key）的行值转换为列。
2. pivot_longer() 和 pivot_wider()
pivot_longer()：用于将宽格式数据转换为长格式。它允许用户指定哪些列应该被“拉长”，并可以自定义新列的名称。pivot_wider()：则是spread()的更新版本，用于将长格式数据转换为宽格式。与spread()相比，pivot_wider()提供了更多的灵活性，比如可以指定多个值列进行重塑。
3. separate() 和 unite()
separate()：用于将单个列中的值根据分隔符拆分成多个列。这对于处理包含多个信息的复合列非常有用。unite()：与separate()相反，unite()将多个列合并成一个列，使用指定的分隔符连接列值。
4. fill() 和 replace_na()
虽然这两个函数并不直接涉及数据格式的转换，但它们在数据清洗过程中非常有用，特别是当处理缺失值时。
fill()：用于向下或向上填充缺失值。这可以基于指定的列进行操作，使得缺失值被其上方或下方的非缺失值替换。replace_na()：直接替换数据中的缺失值。可以指定替换值，也可以基于某种逻辑进行替换。
四、示例应用
假设我们有一个宽格式的数据框df_wide，其中包含学生的数学、英语和科学成绩。
df_wide <- data.frame(
student = c("Alice", "Bob", "Charlie"),
math = c(85, 92, 78),
english = c(90, 85, 92),
science = c(88, 90, 85)
)
使用pivot_longer()转换为长格式
df_long <- df_wide %>%
pivot_longer(cols = -student, names_to = "subject", values_to = "score")
使用separate()拆分复合列（假设我们有一个复合列需要拆分）
这里假设我们有一个额外的复合列需要拆分，但为了示例，我们直接构造一个复合列并拆分它。
# 构造一个包含复合列的示例数据框
df_composite <- data.frame(
student = c("Alice", "Bob"),
info = c("2023_Math_A", "2022_English_B")
)
# 拆分复合列
df_split <- df_composite %>%
separate(info, into = c("year", "subject", "grade"), sep = "_")
