今天這篇是R語言 with Python系列的第三篇，主要跟你們分享數據處理過程當中的數據塑型與長寬轉換。編程
其實這個系列算是我對於以前學習的R語言系列的一個總結，再加上恰好最近入門Python，這樣在總結R語言的同時，對比R語言與Pyhton在數據處理中經常使用解決方案的差別，每個小節只講一個小知識點，可是這些知識點都是平常數據處理與清洗過程當中很是高頻的需求。微信
不會跟你們囉嗦太多每個函數的詳細參數，只列出那些參數中的必要設定，整體以簡單實用爲原則。如若須要詳細瞭解每個函數的內部參數，仍是須要本身查閱官方文檔。數據結構
數據長寬轉換是很經常使用的需求，特別是當是從Excel中導入的彙總表時，經常須要轉換成一維表（長數據）才能提供給圖表函數或者模型使用。ide
在R語言中，提供數據長寬轉換的包主要有兩個：函數
reshape2::melt/dcast學習
tidyr::gather/spreadspa
library("reshape2").net
library("tidyr")3d
mydata<-data.frame(orm
Name = c("蘋果","谷歌","臉書","亞馬遜","騰訊"),
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)
)
數據重塑（寬轉長）：
melt函數是reshape2包中的數據寬轉長的函數
mydata<-melt(
mydata, #待轉換的數據集名稱
id.vars=c("Conpany","Name"), #要保留的主字段
variable.name="Year", #轉換後的分類字段名稱（維度）
value.name="Sale" #轉換後的度量值名稱
)
轉換以後，長數據結構保留了原始寬數據中的Name、Conpany字段，同時將剩餘的年度指標進行堆棧，轉換爲一個表明年度的類別維度和對應年度的指標。（即轉換後，全部年度字段被降維化了）。
在tidyr包中的gather也能夠很是快捷的完成寬轉長的任務：
data1<-gather(
data=mydata, #待轉換的數據集名稱
key="Year", #轉換後的分類字段名稱（維度）
value="Sale" , #轉換後的度量值名稱
Sale2013:Sale2016 #選擇將要被拉長的字段組合
) #（可使用x:y的格式選擇連續列，也能夠以-z的格式排除主字段）
而相對於數據寬轉長而言，數據長轉寬就顯得不是很經常使用，由於長轉寬是數據透視，這種透視過程能夠經過彙總函數或者類數據透視表函數來完成。
可是既然數據長寬轉換是成對的需求，天然有對應的長轉寬函數。
reshape2中的dcast函數能夠完成數據長轉寬的需求：
dcast(
data=data1, #數據集名稱
Name+Conpany~Year #x1+x2+……~class
#這一項是一個轉換表達式，表達式左側列
#出要保留的主字段（即不會被擴寬的字段，右側則是要分割的分類變量，擴展以後的
#寬數據會增長若干列度量值，列數等於表達式右側分類變量的類別個數
）
除此以外，tidyr包中的spread函數在解決數據長轉寬方面也是很好的一個選擇。
spread：
spread(
data=data1, #帶轉換長數據框名稱
key=Year, #帶擴寬的類別變量（編程新增列名稱）
value=Sale) #帶擴寬的度量值 （編程新增列度量值）
從以上代碼的複雜度來看，reshape2內的兩個函數melt\dcast和tidyr內的兩個函數gather\spread相比，gather\spread這一對函數完勝，不愧是哈神的最新力做，tidyr內的兩個函數所需參數少，邏輯上更好理解，自始至終都圍繞着data，key、value三個參數來進行設定，而相對老舊的包reshape2內的melt\dcast函數在參數配置上就顯得不是很友好，他是圍繞着一直不變的主字段來進行設定的，tidyr包則圍繞着轉換過程當中會變形的維度和度量來設定的。
接下來是Python中的數據塑性與長寬轉換。
Python中我只講兩個函數：
melt #數據寬轉長
pivot_table #數據長轉寬
Python中的Pandas包提供了與R語言中reshape2包內幾乎同名的melt函數來對數據進行塑型（寬轉長）操做，甚至連內部參數都保持了一致的風格。
import pandas as pd
import numpy as np
mydata=pd.DataFrame({
"Name":["蘋果","谷歌","臉書","亞馬遜","騰訊"],
"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", #拉長的分類變量
value_name="Sale" #拉長的度量值名稱
)
除此以外，我瞭解到還能夠經過stack、wide_to_long函數來進行寬轉長，可是我的以爲melt函數比較直觀一些，也與R語言中的數據寬轉長用法一致，推薦使用。
奇怪的是我好像沒有在pandas中找到對應melt的數據長轉寬函數（R語言中都是成對出現的）。還在Python中提供了很是便捷的數據透視表操做函數，剛開始就已經說過是，長數據轉寬數據就是數據透視的過程（天然寬轉長就能夠被稱爲逆透視咯，PowerBI也是這麼稱呼的）。
pandas中的數據透視表函數提供如同Excel原生透視表同樣的使用體驗，即行標籤、列標籤、度量值等操做，根據使用規則，行列主要操做維度指標，值主要操做度量指標。
那麼以上長數據mydata1就能夠經過這種方式實現透視。
mydata1.pivot_table(
index=["Name","Conpany"], #行索引（可使多個類別變量）
columns=["Year"], #列索引（可使多個類別變量）
values=["Sale"] #值（通常是度量指標）
)
一般這種操做也能夠藉助堆棧函數來達到一樣的目的。(可是使用stack\unstack須要額外設置多索引，灰常麻煩，因此不是很推薦，有興趣能夠查看pandas中的stack/unstack方法，這裏再也不贅述)。
綜上所述，本文主要提供了R語言與Python中用於處理數據重塑（長寬轉換的經常使用解決方案）。
R語言：
reshape2::melt
reshape2::dcast
tidyr::gather
tidyr::spread
Python：
pandas-melt
pandas-pivot_table
(備選方案——stack/unstack、wide_to_long)
本文分享自微信公衆號 - 數據小魔方（datamofang）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。