आर - डेटा रीशैपिंग

R में डेटा रीशैपिंग डेटा को पंक्तियों और स्तंभों में व्यवस्थित करने के तरीके को बदलने के बारे में है। आर में डेटा प्रोसेसिंग का अधिकांश समय इनपुट डेटा को डेटा फ्रेम के रूप में लेने से होता है। डेटा फ़्रेम की पंक्तियों और स्तंभों से डेटा निकालना आसान है, लेकिन ऐसी परिस्थितियां हैं जब हमें एक प्रारूप में डेटा फ़्रेम की आवश्यकता होती है जो उस प्रारूप से भिन्न होती है जिसमें हमने इसे प्राप्त किया था। R में डेटा फ़्रेम में पंक्तियों को स्तंभों में विभाजित और विलय करने और इसके विपरीत बदलने के कई कार्य हैं।

एक डेटा फ़्रेम में कॉलम और पंक्तियों में शामिल होना

हम कई वैक्टर में शामिल होकर डेटा फ्रेम का उपयोग कर सकते हैं cbind()समारोह। इसके अलावा, हम दो डेटा फ़्रेम का उपयोग करके विलय कर सकते हैंrbind() समारोह।

# Create vector objects.
city <- c("Tampa","Seattle","Hartford","Denver")
state <- c("FL","WA","CT","CO")
zipcode <- c(33602,98104,06161,80294)

# Combine above three vectors into one data frame.
addresses <- cbind(city,state,zipcode)

# Print a header.
cat("# # # # The First data frame\n") 

# Print the data frame.
print(addresses)

# Create another data frame with similar columns
new.address <- data.frame(
   city = c("Lowry","Charlotte"),
   state = c("CO","FL"),
   zipcode = c("80230","33949"),
   stringsAsFactors = FALSE
)

# Print a header.
cat("# # # The Second data frame\n") 

# Print the data frame.
print(new.address)

# Combine rows form both the data frames.
all.addresses <- rbind(addresses,new.address)

# Print a header.
cat("# # # The combined data frame\n") 

# Print the result.
print(all.addresses)

जब हम उपरोक्त कोड निष्पादित करते हैं, तो यह निम्नलिखित परिणाम उत्पन्न करता है -

# # # # The First data frame
     city       state zipcode
[1,] "Tampa"    "FL"  "33602"
[2,] "Seattle"  "WA"  "98104"
[3,] "Hartford" "CT"   "6161" 
[4,] "Denver"   "CO"  "80294"

# # # The Second data frame
       city       state   zipcode
1      Lowry      CO      80230
2      Charlotte  FL      33949

# # # The combined data frame
       city      state zipcode
1      Tampa     FL    33602
2      Seattle   WA    98104
3      Hartford  CT     6161
4      Denver    CO    80294
5      Lowry     CO    80230
6     Charlotte  FL    33949

डेटा फ़्रेम मर्ज करना

हम दो डेटा फ़्रेम को मर्ज करके उपयोग कर सकते हैं merge()समारोह। डेटा फ़्रेम में समान स्तंभ नाम होना चाहिए, जिस पर विलय होता है।

नीचे दिए गए उदाहरण में, हम "MASS" नाम के पुस्तकालय में उपलब्ध Pima Indian Women में मधुमेह के बारे में डेटा सेट पर विचार करते हैं। हम रक्तचाप ("बीपी") और बॉडी मास इंडेक्स ("बीएमआई") के मूल्यों के आधार पर दो डेटा सेट को मर्ज करते हैं। विलय के लिए इन दो कॉलमों को चुनने पर, दोनों डेटा सेटों में इन दो चर के मूल्यों को एक साथ जोड़कर एकल डेटा फ्रेम बनाने के लिए रिकॉर्ड किया जाता है।

library(MASS)
merged.Pima <- merge(x = Pima.te, y = Pima.tr,
   by.x = c("bp", "bmi"),
   by.y = c("bp", "bmi")
)
print(merged.Pima)
nrow(merged.Pima)

जब हम उपरोक्त कोड निष्पादित करते हैं, तो यह निम्नलिखित परिणाम उत्पन्न करता है -

bp  bmi npreg.x glu.x skin.x ped.x age.x type.x npreg.y glu.y skin.y ped.y
1  60 33.8       1   117     23 0.466    27     No       2   125     20 0.088
2  64 29.7       2    75     24 0.370    33     No       2   100     23 0.368
3  64 31.2       5   189     33 0.583    29    Yes       3   158     13 0.295
4  64 33.2       4   117     27 0.230    24     No       1    96     27 0.289
5  66 38.1       3   115     39 0.150    28     No       1   114     36 0.289
6  68 38.5       2   100     25 0.324    26     No       7   129     49 0.439
7  70 27.4       1   116     28 0.204    21     No       0   124     20 0.254
8  70 33.1       4    91     32 0.446    22     No       9   123     44 0.374
9  70 35.4       9   124     33 0.282    34     No       6   134     23 0.542
10 72 25.6       1   157     21 0.123    24     No       4    99     17 0.294
11 72 37.7       5    95     33 0.370    27     No       6   103     32 0.324
12 74 25.9       9   134     33 0.460    81     No       8   126     38 0.162
13 74 25.9       1    95     21 0.673    36     No       8   126     38 0.162
14 78 27.6       5    88     30 0.258    37     No       6   125     31 0.565
15 78 27.6      10   122     31 0.512    45     No       6   125     31 0.565
16 78 39.4       2   112     50 0.175    24     No       4   112     40 0.236
17 88 34.5       1   117     24 0.403    40    Yes       4   127     11 0.598
   age.y type.y
1     31     No
2     21     No
3     24     No
4     21     No
5     21     No
6     43    Yes
7     36    Yes
8     40     No
9     29    Yes
10    28     No
11    55     No
12    39     No
13    39     No
14    49    Yes
15    49    Yes
16    38     No
17    28     No
[1] 17

पिघलने और कास्टिंग

आर प्रोग्रामिंग के सबसे दिलचस्प पहलुओं में से एक वांछित आकार प्राप्त करने के लिए डेटा के आकार को कई चरणों में बदलना है। ऐसा करने के लिए उपयोग किए जाने वाले कार्यों को कहा जाता हैmelt() तथा cast()

हम पुस्तकालय में मौजूद जहाजों को "MASS" कहा जाता है।

library(MASS)
print(ships)

जब हम उपरोक्त कोड निष्पादित करते हैं, तो यह निम्नलिखित परिणाम उत्पन्न करता है -

type year   period   service   incidents
1     A   60     60        127         0
2     A   60     75         63         0
3     A   65     60       1095         3
4     A   65     75       1095         4
5     A   70     60       1512         6
.............
.............
8     A   75     75       2244         11
9     B   60     60      44882         39
10    B   60     75      17176         29
11    B   65     60      28609         58
............
............
17    C   60     60      1179          1
18    C   60     75       552          1
19    C   65     60       781          0
............
............

डेटा को पिघलाएं

अब हम इसे व्यवस्थित करने के लिए डेटा को पिघलाते हैं, प्रकार और वर्ष के अलावा अन्य सभी स्तंभों को कई पंक्तियों में परिवर्तित करते हैं।

molten.ships <- melt(ships, id = c("type","year"))
print(molten.ships)

जब हम उपरोक्त कोड निष्पादित करते हैं, तो यह निम्नलिखित परिणाम उत्पन्न करता है -

type year  variable  value
1      A   60    period      60
2      A   60    period      75
3      A   65    period      60
4      A   65    period      75
............
............
9      B   60    period      60
10     B   60    period      75
11     B   65    period      60
12     B   65    period      75
13     B   70    period      60
...........
...........
41     A   60    service    127
42     A   60    service     63
43     A   65    service   1095
...........
...........
70     D   70    service   1208
71     D   75    service      0
72     D   75    service   2051
73     E   60    service     45
74     E   60    service      0
75     E   65    service    789
...........
...........
101    C   70    incidents    6
102    C   70    incidents    2
103    C   75    incidents    0
104    C   75    incidents    1
105    D   60    incidents    0
106    D   60    incidents    0
...........
...........

पिघला हुआ डेटा कास्ट करें

हम पिघले हुए डेटा को एक नए रूप में डाल सकते हैं जहां प्रत्येक वर्ष के लिए प्रत्येक प्रकार के जहाज का समुच्चय बनता है। यह का उपयोग करके किया जाता हैcast() समारोह।

recasted.ship <- cast(molten.ships, type+year~variable,sum)
print(recasted.ship)

जब हम उपरोक्त कोड निष्पादित करते हैं, तो यह निम्नलिखित परिणाम उत्पन्न करता है -

type year  period  service  incidents
1     A   60    135       190      0
2     A   65    135      2190      7
3     A   70    135      4865     24
4     A   75    135      2244     11
5     B   60    135     62058     68
6     B   65    135     48979    111
7     B   70    135     20163     56
8     B   75    135      7117     18
9     C   60    135      1731      2
10    C   65    135      1457      1
11    C   70    135      2731      8
12    C   75    135       274      1
13    D   60    135       356      0
14    D   65    135       480      0
15    D   70    135      1557     13
16    D   75    135      2051      4
17    E   60    135        45      0
18    E   65    135      1226     14
19    E   70    135      3318     17
20    E   75    135       542      1