Hvordan omstrukturere datarammer med R-funksjonen melt

Konvertering av datarammer med funksjonen melt() i R gjør det enklere å tilpasse seg ulike krav. Mange analysemetoder, som lineære modeller og ANOVA, foretrekker data i langt format, fordi det er mer naturlig og enklere å tolke.

Hva brukes R-funksjonen melt() til?

R-funksjonen melt() tilhører pakken reshape2 og brukes til å omstrukturere datarammer, særlig for å konvertere dem fra bredt format til langt format. I bredt format er variablene organisert i separate kolonner, mens langt format gir bedre visning for analyser og visualiseringer.

Funksjonen melt() i R er et viktig verktøy for å transformere data. Den er spesielt relevant når informasjonen kun er tilgjengelig i bredt format, men visse analyser eller grafikk krever langt format. Denne muligheten for å omstrukturere data øker fleksibiliteten til datarammer og muliggjør optimal bruk av ulike R-analyseverktøy og visualiseringsbiblioteker.

Hva er syntaksen til R-funksjonen melt()?

Funksjonen melt() i R kan tilpasses ved hjelp av forskjellige argumenter.

melt(data.frame, na.rm = FALSE, value.name = "name", id.vars = 'columns')

• data.frame: Dette refererer til datarammen du ønsker å omstrukturere
• na.rm: Et valgfritt argument som har standardverdien FALSE
• value.name: Dette valgfrie argumentet lar deg gi navn til kolonnen som inneholder verdiene for de omstrukturerte variablene i det nye datasettet
• id.vars: Et valgfritt argument som angir hvilke kolonner som skal beholdes som identifikatorer. columns brukes som plassholder.

La oss se på et eksempel:

df <- data.frame(ID = 1:3, A = c(4, 7, NA), B = c(8, NA, 5))

Den resulterende datarammen ser slik ut:

ID    A      B
1  1     4      8
2  2     7  NA
3  3  NA     5

Nå bruker vi melt() og omformer datarammen til et langt format:

melted_df <- melt(df, na.rm = FALSE, value.name = "Value", id.vars = "ID")

Den omstrukturerte datarammen melted_df ser slik ut:

ID  variable  Value
1  1                A              4
2  2                A              7
3  3                A          NA
4  1                B              8
5  2                B          NA
6  3                B             5

Resultatet er en dataramme som er omstrukturert til et langt format. Kolonne ID ble beholdt som identifikator, kolonne variable inneholder det som tidligere var kolonnenavn (A og B), og kolonne Value inneholder de tilsvarende elementene. På grunnna.rm = FALSE er det noen manglende verdier (merket med NA).

Hvordan fjerne NA-oppføringer med R’s melt()

Du kan enkelt fjerne manglende verdier i datarammer med alternativ na.rm=True.

La oss definere en ny dataramme:

df <- data.frame(ID = 1:4, A = c(3, 8, NA, 5), B = c(6, NA, 2, 9), C = c(NA, 7, 4, 1))

Datarammen har følgende form:

ID    A     B      C
1   1     3     6    NA
2   2     8   NA      7
3   3   NA    2       4
4   4     5     9       1

Nå skal vi omstrukturere datarammen ved hjelp av melt():

melted_df <- melt(df, na.rm = TRUE, value.name = "Value", id.vars = "ID")

Den nye datarammen melted_df finnes nå i et langt format uten NA verdier:

ID    variable  Value
1    1            A        3
2    2            A        8
3    4            A        5
4    1            B        6
5    3            B        2
6    4            B        9
7    2           C        7
8    3           C        4
9    4           C        1