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 33949डेटा 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] 17पिघलने 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