Tidyr
Nós frequentemente temos que arrumar dados antes de aplicar um modelo ou começar uma analise descritiva. E para isso podemos contar com o poder do pacote tidyr
require(DT)
require(tidyr)Esse pacote trabalha em cima de dois conceitos básicos:
- Cada coluna é uma variável.
- E cada linha é uma observação.
São três as funções principais para arrumar os dados: gather(), separate() and spread().
Para exemplificar e dar uma noção do que você pode fazer com cada uma dessas funções vamos trabalhar em cima do exemplo abaixo.
letras <- data.frame(
nome = LETTERS,
contagem = rpois(26, 1),
razao = round(rnorm(26, 20, 4),2)
)datatable(letras)gather()
A função gather() é usada para transforma seus dados no formato chave-valor: onde a chave explica a informação e o valor contem o real valor da informação.
gather() utiliza os nomes das colunas e coloca-os em uma unica coluna chamada “key” e seus valores são colocados em uma outra coluna que chamamos de “value”.
Usando gather(), esta função recebe o dataframe que queremos remodular, e outros argumentos “key” e “value” que devem receber os nomes(strings) que vão ser atribuidos as colunas “key” e “value” respectivamente. Além disso devemos sinalizar quais variáveis devemos agrupar.
dados.gather <- gather(letras, key = "Chave", value = "Valor", contagem:razao)
datatable(dados.gather)spread()
A função spread() faz o trabalho inverso da função gather(), ou seja, recebe um dataframe com formato chave-valor e retorna um dataframe onde as chaves serão colunas com seus repesctivos valores.
Para usar spread() passe o nome do dataframe, o nome da variável “key” e “value”. Esses nomes NÃO devem ser passados para a função em forma de string, ou seja, não há necessidade de usar aspas.
dados.spread <- spread(dados.gather, Chave, Valor)
datatable(dados.spread)