Tutorial sul reshaping dei dati in R

Il data reshaping in R consiste nel disporre righe e colonne come preferisci per usarle in base alle tue esigenze; per lo più i dati vengono gestiti come data frame in R per eseguire l’elaborazione con funzioni come "rbind()", "cbind()", ecc.

In questo processo, rimodelli o riorganizzi i dati in righe e colonne. Il reshaping è la riorganizzazione dei dati in un modo specifico di cui hai bisogno per procedere con l’elaborazione.

Creare i tuoi dati

Creiamo un generatore di numeri casuali e prepariamo colonne da concatenare nel data frame. Inseriamo anche l’id per un uso successivo. "set.seed(123)" serve a produrre numeri casuali riproducibili, così lo stesso campione viene ottenuto su qualsiasi macchina. Vengono create tre variabili, colm1, colm2, colm3. Con l’aiuto di "sample()" si generano valori da 1 a 15, con possibile ripetizione. Inoltre, si usa un data frame per memorizzare i dati in tabella, e si aggiunge un id che è un numero univoco.

set.seed(123)
N <- 15
colm1  <- sample(1:15, N, replace=TRUE)
colm2  <- sample(1:15, N, replace=TRUE)
colm3  <- sample(1:15, N, replace=TRUE)
df_Temp <- data.frame(colm1, colm2,colm3)
df_Temp$id<-seq(nrow(df_Temp))
df_Temp

Il codice sopra fornisce il seguente output, con tre colonne chiamate "colm1", "colm2", "colm3" e un id da 1 a 15. I valori nelle rispettive colonne sono riempiti da 1 a 15, con alcuni numeri ripetuti e altri che possono non comparire.

 colm1   colm2   colm3  id
  15      11     14     1
  15      5      3      2
  3       3      4      3
  14      11     14     4
  3       9      1      5
  10      12     11     6
  2       9      7      7
  6       9      5      8
  11      13     12     9
  5       3      15     10
  4       8      10     11
  14      10     13     12
  6       7      7      13
  9       10     9      14
 10       9      9      15 

Funzione cbind

Uso: usata per combinare vettori, matrici e data frame per colonne.
Parametri: cbind(v1,v2): v1, v2 possono essere vettori, matrici o data frame

Vediamo un esempio di binding in azione.

L’id può essere selezionato con "df_Temp[,4]" mentre "df_Temp[,2]" seleziona "colm2" di df_Temp come sotto: questi agiscono come parametri di "cbind()" e vengono salvati nella variabile "cbindexample". Successivamente, i nomi delle colonne possono essere cambiati con "colnames()", che accetta la variabile con l’input di vettori c e assegna nuovi valori, cioè "newid", "new_colm2".

cbindexample<-cbind(df_Temp[,4],df_Temp[,2])
colnames(cbindexample)<- c('newid','new_colm2')
cbindexample

Il codice sopra produce il seguente output, che mostra come unire due colonne, id e column2, usando la funzione "cbind" per creare un nuovo data frame. Inoltre, il nome della colonna è stato cambiato in "new_colm2" mentre "id" è diventato "newid".

newid   new_colm2
1         11
2         5
3         3
4         11
5         9
6         12
7         9
8         9
9         13
10         3
11         8
12         10
13         7
14         10
15         9

Funzione rbind:

Uso: rbind si usa per combinare vettori, matrici o data frame per righe.
Parametri: rbind(v1,v2): v1, v2 possono essere vettori, matrici o data frame.

Creiamo un nuovo vettore chiamato "new_vector" e combinalo con il nuovo "cbindexample" a 2 colonne usando "rbind", dove entrambi vengono concatenati e salvati in "rbindexample".

new_vector<- c(16,15)
rbindexample<- rbind(cbindexample,new_vector)
rbindexample

Il codice sopra produce l’output seguente, dove viene aggiunta una nuova riga con i valori 16 e 15 rispettivamente in "newid" e "new_colm2".

newid    new_colm2
1        11
2        5
3        3
4        11
5        9
6        12
7        9
8        9
9        13
10       3
11       8
12       10
13       7
14       10
15       9
16       15

Funzione Melt:

Uso: La funzione Melt converte un oggetto in uno stato "fuso", cioè prende più colonne di dati e le converte in un’unica colonna di dati.
Parametri: melt(data,…,na.rm=FALSE/TRUE, value.name=”value” ),
Data: Input che vuoi fondere.
...: Input passati da o verso altre funzioni.
Na.rm: Serve a convertire i valori mancanti espliciti in mancanti impliciti.
Value.name: per memorizzare i valori nelle variabili
Vediamo il codice con cui "fondi" i dati usando la variabile id in un’unica colonna con nome colonna e valore:

Importa la libreria chiamata "reshape2" con "library()" e usa melt per combinare le colonne di "dfTemp" chiamate colm1, colm2, colm3 in un unico posto chiamato "variable" in base alla variabile "id".

library(reshape2)
molted=melt(df_Temp,id.vars=c("id"))
molted

id    variable value
1    colm1    15
2    colm1     15
3    colm1     3
4    colm1     14
5    colm1     3
6    colm1     10
7    colm1     2
8    colm1     6
9    colm1     11
10    colm1     5
11    colm1     4
12    colm1     14
13    colm1     6
14    colm1     9
15    colm1     10
1    colm2     11
2    colm2     5
3    colm2     3
4    colm2     11
5    colm2     9
6    colm2     12
7    colm2     9
8    colm2     9
9    colm2     13
10    colm2     3
11    colm2     8
12    colm2     10
13    colm2     7
14    colm2     10
15    colm2     9
1    colm3     14
2    colm3     3
3    colm3     4
4    colm3     14
5    colm3     1
6    colm3     11
7    colm3     7
8    colm3     5
9    colm3     12
10    colm3     15
11    colm3     10
12    colm3     13
13    colm3     7
14    colm3     9
15    colm3     9

L’output sopra mostra che quando fondi i dati di colm1, colm2, colm3 in base alla variabile id, questi vengono combinati in un’unica colonna chiamata "variable" e i valori delle colonne sono contenuti in "value".

Funzione Dcast:

Uso: quando hai un dataset fuso, puoi riconvertirlo nel formato originale usando questa funzione.
Parametri: dcast(data,id_variable~value),
Data: dati fusi che devono essere convertiti nella forma originale.
Id_variable: una o più colonne usate per fondere i dati di altre colonne in un’unica colonna.
~: dopo questo simbolo, usiamo i valori o la nuova colonna fusa del dataset fuso.

Qui sotto vedi il codice in cui si importa "reshape2" con "library()"; "dcast()" prende come primo parametro i dati su cui è stata eseguita la funzione "molt()" e il segno "~" con id, dove si formano le nuove colonne fuse.

library(reshape2)
dcast(molted,id~variable)

id    colm1    colm2    colm3
1        15        11        14
2        15        5         3
3        3        3         4
4        14        11       14
5        3        9         1
6        10        12        11
7        2         9         7
8        6        9         5
9       11        13        12
10       5        3        15
11       4        8        10
12       14        10        13
13       6        7        7
14       9        10        9
15      10        9        9

Puoi vedere che i dati cambiati con la funzione "molt()" tornano al dataset originale. Ci sono tre colonne con i rispettivi valori e l’id in una colonna separata.

Funzione di trasposizione:

Uso: Serve a trasformare le righe in colonne e le colonne in righe.
Parametri: t(data), dove data è il data frame da passare per ottenere la trasposizione.

Convertiamo righe in colonne e viceversa usando la funzione di trasposizione. Si può fare semplicemente con "t(df_Temp)", come sotto.

trans <- t(df_Temp)
trans

Il codice sopra fornisce il seguente output:

colm1    15    15    3    14    3    10    2    6    11    5    4    14    6    9    10
colm2    11    5    3    11    9    12    9    9    13    3    8    10    7    10    9
colm3    14    3    4    14    1    11    7    5    12    15    10    13    7    9    9
id    1    2    3    4    5    6    7    8    9    10    11    12    13    14    15

Si vede che il data frame con forma 15 righe e quattro colonne è stato convertito in 15 colonne e 3 righe tramite trasposizione.

Congratulazioni

Congratulazioni, sei arrivato alla fine di questo tutorial!

In questo tutorial, hai visto diverse funzioni di R come "rbind()", "cbind()", insieme a "Melt()", "Dcast()" e, infine, la funzione di trasposizione.

Se vuoi saperne di più su R, segui il corso Introduction to R di DataCamp e dai un’occhiata alla nostra guida R Packages: A Beginner's Tutorial.

Riferimenti:
Funzioni Melt