今天这篇是R语言 with Python系列的第三篇，主要跟你们分享数据处理过程当中的数据塑型与长宽转换。编程
其实这个系列算是我对于以前学习的R语言系列的一个总结，再加上恰好最近入门Python，这样在总结R语言的同时，对比R语言与Pyhton在数据处理中经常使用解决方案的差别，每个小节只讲一个小知识点，可是这些知识点都是平常数据处理与清洗过程当中很是高频的需求。微信
不会跟你们啰嗦太多每个函数的详细参数，只列出那些参数中的必要设定，整体以简单实用为原则。如若须要详细了解每个函数的内部参数，仍是须要本身查阅官方文档。数据结构
数据长宽转换是很经常使用的需求，特别是当是从Excel中导入的汇总表时，经常须要转换成一维表（长数据）才能提供给图表函数或者模型使用。ide
在R语言中，提供数据长宽转换的包主要有两个：函数
reshape2::melt/dcast学习
tidyr::gather/spreadspa
library("reshape2").net
library("tidyr")3d
mydata<-data.frame(orm
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<-melt(
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
)
转换以后，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，转换为一个表明年度的类别维度和对应年度的指标。（即转换后，全部年度字段被降维化了）。
在tidyr包中的gather也能够很是快捷的完成宽转长的任务：
data1<-gather(
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
) #（可使用x:y的格式选择连续列，也能够以-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经常使用，由于长转宽是数据透视，这种透视过程能够经过汇总函数或者类数据透视表函数来完成。
可是既然数据长宽转换是成对的需求，天然有对应的长转宽函数。
reshape2中的dcast函数能够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，扩展以后的
#宽数据会增长若干列度量值，列数等于表达式右侧分类变量的类别个数
）
除此以外，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做，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当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）操做，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
)
除此以外，我了解到还能够经过stack、wide_to_long函数来进行宽转长，可是我的以为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中提供了很是便捷的数据透视表操做函数，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（天然宽转长就能够被称为逆透视咯，PowerBI也是这么称呼的）。
pandas中的数据透视表函数提供如同Excel原生透视表同样的使用体验，即行标签、列标签、度量值等操做，根据使用规则，行列主要操做维度指标，值主要操做度量指标。
那么以上长数据mydata1就能够经过这种方式实现透视。
mydata1.pivot_table(
index=["Name","Conpany"], #行索引（可使多个类别变量）
columns=["Year"], #列索引（可使多个类别变量）
values=["Sale"] #值（通常是度量指标）
)
一般这种操做也能够借助堆栈函数来达到一样的目的。(可是使用stack\unstack须要额外设置多索引，灰常麻烦，因此不是很推荐，有兴趣能够查看pandas中的stack/unstack方法，这里再也不赘述)。
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（长宽转换的经常使用解决方案）。
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)
本文分享自微信公众号 - 数据小魔方（datamofang）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。