目次


目的

(注)reshape()関数とは違いますので、お気をつけください。
あなたはExcelのピボットテーブルを使ったことはありますか?結構便利ですよね。
実はreshapeパッケージを使うとRでExcelのピボットテーブルのようなものが簡単に作成できます。
現場で、大量のデータを扱っている皆さんはご存知だと思いますが、統計本に載っているような「正規化されたテーブル」なんて、ほとんど無いのが実情です。

[非正規化テーブル]=>(四苦八苦)=>[正規化テーブル]=>[ようやく統計解析]

さあ、AccessやSQLで正規化されたテーブルを作るのに四苦八苦している皆さん、Rのreshapeを使いましょう。

作者:Hadley Wickham:(http://had.co.nz/reshape )
インストール:CRANからインストールできます。
簡単な解説:http://had.co.nz/reshape/introduction.pdf
スライド:http://had.co.nz/reshape/presentation-dsc2005.pdf

コメント欄


2つのテーブル構造の変換(CastとMelt)

Table.Aは、リレーショナルデータベースなどで良く利用されていデータ保存用のテーブルの形で、正規化されていません(MultiValue非正規化テーブル)。
Table.Bは、統計で利用されるテーブルの形(正規化テーブル)です。
データベースからデータを抽出する段階で、SQL文を使って正規化する方法もありますが、結構面倒臭いものです。
reshapeパッケージでは、基本的にCastとMeltの2つのメソッドを使ってテーブル構造の変換を行います。

reshape.PNG

例題1:通常のテーブル構造変換

code

library(reshape)
subject<-c("John Smith","John Smith","John Smith","Mary Smith")
time<-c(1,1,1,1)
variable<-c("age","weight","height","height")
value<-c(33,90,2,2)
x<-data.frame(subject=subject,time=time,variable=variable,value=value)
x
str(x)
#テーブル構造変換(cast)
y<-cast(x)
y
#list型になってるので
str(y)
#dataframeに変換
y<-data.frame(y)
str(y)
#テーブル構造変換(melt)--もとに戻す
melt(y,id=c("subject","time")) #NAが入った構造
melt(y,id=c("subject","time"),preserve.na=FALSE) #NAを取り除く
z<-melt(y,id=c("subject","time"),preserve.na=FALSE)
str(z)
#テーブルの並べ替え
z<-z[order(z$subject),]
#最初とちょっと並びが違うがこれでよし
z

実行結果

> library(reshape)
> subject<-c("John Smith","John Smith","John Smith","Mary Smith")
> time<-c(1,1,1,1)
> variable<-c("age","weight","height","height")
> value<-c(33,90,2,2)
> x<-data.frame(subject=subject,time=time,variable=variable,value=value)
> x
     subject time variable value
1 John Smith    1      age    33
2 John Smith    1   weight    90
3 John Smith    1   height     2
4 Mary Smith    1   height     2
> str(x)
'data.frame':   4 obs. of  4 variables:
 $ subject : Factor w/ 2 levels "John Smith","Mary Smith": 1 1 1 2
 $ time    : num  1 1 1 1
 $ variable: Factor w/ 3 levels "age","height",..: 1 3 2 2
 $ value   : num  33 90 2 2

注1)dataframeのnameは必ず小文字にすること。大文字が入るとうまくいかない。
注2)横展開項目名には、必ず variable と value を使うこと
subject,time=縦展開行データ、variable=横展開列名、value=横展開列内のデータ

> y<-cast(x)
> y
     subject time age height weight
1 John Smith    1  33      2     90
2 Mary Smith    1  NA      2     NA

変換終了

> str(y)
List of 5
 $ subject: Factor w/ 2 levels "John Smith","Mary Smith": 1 2
 $ time   : num [1:2] 1 1
 $ age    : num [1:2] 33 NA
 $ height : num [1:2] 2 2
 $ weight : num [1:2] 90 NA
 - attr(*, "row.names")= chr [1:2] "1" "2"
 - attr(*, "idvars")= chr [1:2] "subject" "time"
 - attr(*, "rdimnames")=List of 2
  ..$ :'data.frame':    2 obs. of  2 variables:
  .. ..$ subject: Factor w/ 2 levels "John Smith","Mary Smith": 1 2
  .. ..$ time   : num [1:2] 1 1
  ..$ :'data.frame':    3 obs. of  1 variable:
  .. ..$ variable: Factor w/ 3 levels "age","height",..: 1 2 3

list型になってるので、dataframeに変換する(後の処理で必要なので)

> y<-data.frame(y)
> str(y)
'data.frame':   2 obs. of  5 variables:
 $ subject: Factor w/ 2 levels "John Smith","Mary Smith": 1 2
 $ time   : num  1 1
 $ age    : num  33 NA
 $ height : num  2 2
 $ weight : num  90 NA

dataframeになった。次に元の形に戻す

> melt(y,id=c("subject","time"))
     subject time variable value
1 John Smith    1      age    33
2 Mary Smith    1      age    NA
3 John Smith    1   height     2
4 Mary Smith    1   height     2
5 John Smith    1   weight    90
6 Mary Smith    1   weight    NA

NAが入ったのでNAを取り除く(考えようによっては、NA入りのデータのほうが正しい)

> melt(y,id=c("subject","time"),preserve.na=FALSE)
     subject time variable value
1 John Smith    1      age    33
2 John Smith    1   height     2
3 Mary Smith    1   height     2
4 John Smith    1   weight    90

これで取り除けたが、並びがよくない

> z<-melt(y,id=c("subject","time"),preserve.na=FALSE)
> str(z)
'data.frame':   4 obs. of  4 variables:
 $ subject : Factor w/ 2 levels "John Smith","Mary Smith": 1 1 2 1
 $ time    : num  1 1 1 1
 $ variable: Factor w/ 3 levels "age","height",..: 1 2 2 3
 $ value   : num  33 2 2 90

並びを変更

> z<-z[order(z$subject),]
> z
     subject time variable value
1 John Smith    1      age    33
2 John Smith    1   height     2
4 John Smith    1   weight    90
3 Mary Smith    1   height     2
>

とりあえず良し

例題2:重複値が存在した場合のテーブル構造変換

code

library(reshape)
subject<-c("John Smith","John Smith","John Smith","John Smith","Mary Smith")
time<-c(1,1,1,1,1)
variable<-c("age","weight","weight","height","height")
value<-c(33,90,88,2,2)
x<-data.frame(subject=subject,time=time,variable=variable,value=value)
x
cast(x)
cast(x,fun.aggregate=mean)

実行結果

> library(reshape)
> subject<-c("John Smith","John Smith","John Smith","John Smith","Mary Smith")
> time<-c(1,1,1,1,1)
> variable<-c("age","weight","weight","height","height")
> value<-c(33,90,88,2,2)
> x<-data.frame(subject=subject,time=time,variable=variable,value=value)
> x
     subject time variable value
1 John Smith    1      age    33
2 John Smith    1   weight    90
3 John Smith    1   weight    88
4 John Smith    1   height     2
5 Mary Smith    1   height     2

2,3レコードが重複している

> cast(x)
     subject time age height weight
1 John Smith    1   1      1      2
2 Mary Smith    1  NA      1     NA
Warning message:
Aggregation requires fun.aggregate: length used as default 

ワーニングメッセージで、複数値を持ってるのでfun.aggregateを使えと。lengthで勝手に集計したらこうなってますよ、weightが2レコードありますよ。

> cast(x,fun.aggregate=mean)
     subject time age height weight
1 John Smith    1  33      2     89
2 Mary Smith    1  NA      2     NA

fun.aggregate=mean平均値にしてくださいと指定した。weightに89が入っている
(注)fun.aggregateで使える集計値は、summary()で使えるものとのこと。
min,max,mean,median,length, var, sd, range, fivenum, quantile, などなどたくさん(要するに単変量統計関数ならなんでものはず)

アクセス数:

23452 人


添付ファイル: filereshape.PNG 2823件 [詳細]

トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2023-03-25 (土) 11:19:17