之前寫過關于長寬數據轉換的文章，而今再看tidyr包，幾乎又迷暈進去，所以再次梳理。翻來覆去的實踐，其目的在于熟練數據之間的自由轉換，以便在處理更大數據時不至于迷失。
- image.png
寬數據：
- 寬數據是指數據集對所有的變量進行了明確的細分，各變量的值不存在重復循環的情況也無法歸類。數據總體的表現為 變量多而觀察值少。
- 每一列為一個變量，每一行為變量所對應的值。
長數據：
- 長數據一般是指數據集中的變量沒有做明確的細分，即變量中至少有一個變量中的元素存在值嚴重重復循環的情況（可以歸為幾類），表格整體的形狀為長方形，即 變量少而觀察值多。
- 一列包含了所有的變量，而另一列則是與之相關的值。
1. 長寬數據轉換
##########################################################################
#2020-06-24
# 2020-06-25 長款數據格式作圖比較
rm(list = ls())
id <- 1:8
gene <- c(rep("ago", 4), rep("dcr", 4))
value <- c(2.0, 3.0, 2.5, 3.0, 5.0, 4.0, 6.0, 5.5)
dd <- data.frame(id, gene, value)
dd # 長數據
id gene value
1 1 ago 2.0
2 2 ago 3.0
3 3 ago 2.5
4 4 ago 3.0
5 5 dcr 5.0
6 6 dcr 4.0
7 7 dcr 6.0
8 8 dcr 5.5
dd_2 <- dd %>%
spread(key = "gene", value = "value")
dd_2 # 寬數據
id ago dcr
1 1 2.0 NA
2 2 3.0 NA
3 3 2.5 NA
4 4 3.0 NA
5 5 NA 5.0
6 6 NA 4.0
7 7 NA 6.0
8 8 NA 5.5
dd_3 <- dd_2 %>%
gather("ago", "dcr", key = "gene", value = "value")
dd_3
id gene value
1 1 ago 2.0
2 2 ago 3.0
3 3 ago 2.5
4 4 ago 3.0
5 5 ago NA
6 6 ago NA
7 7 ago NA
8 8 ago NA
9 1 dcr NA
10 2 dcr NA
11 3 dcr NA
12 4 dcr NA
13 5 dcr 5.0
14 6 dcr 4.0
15 7 dcr 6.0
16 8 dcr 5.5
2. 長寬數據繪圖比較
library(ggplot2)
library(ggsignif)
# dd長數據格式，可以直接作圖
compaired <- list(c("ago", "dcr"))
ggplot(dd, aes(x = gene, y = value, fill = gene)) +
geom_boxplot() +
geom_signif(comparisons = compaired,
map_signif_level = T)
# dd_2寬數據格式，是不能繪制圖形的
# dd_3長數據格式也是可以的
compaired <- list(c("ago", "dcr"))
ggplot(dd_3, aes(x = gene, y = value, fill = gene)) +
geom_boxplot() +
geom_signif(comparisons = compaired,
map_signif_level = T)
Rplot.png
3. 輸入錄入格式及轉換方法
用R繪圖，和以往的GraphPad繪圖時候，數據的錄入方式有些不一樣，所以在一開始時候這個思維很難轉換，甚至沒有摸清楚數據的錄入和繪圖的整體流程。下面圖標列出了常見的格式錄入方式。
A: GraphPad類
以GraphPad作圖軟件錄入為例，若按照此類錄入，本質上是寬數據格式，
需要將其轉換為長數據格式，tidyr和reshape2兩個包可用，如下
id <- 1:4
ago <- c(2.0, 3.0, 2.5, 3.0)
dcr <- c( 5.0, 4.0, 6.0, 5.5)
mm <- data.frame(id, ago, dcr)
mm # 寬數據
library(tidyverse)
mm2 <- mm%>%
gather("ago","dcr",key = "gene", value = "value")
mm2
library(reshape2)
mm3 <- mm%>%
melt(id.vars = "id", measure.vars = c("ago","dcr"),
variable.name = "gene",value.name = "value")
mm3
id gene value
1 1 ago 2.0
2 2 ago 3.0
3 3 ago 2.5
4 4 ago 3.0
5 1 dcr 5.0
6 2 dcr 4.0
7 3 dcr 6.0
8 4 dcr 5.5
B: widetype
此處的實例，在我的之前文章中多處用到。[1][2]
id <- 1:2
gene <- c("ago","dcr")
x1 <- c(2, 5)
x2 <- c(3, 4)
x3 <- c(2.5, 6)
x4 <- c(3, 5.5)
nn <- data.frame(id, gene, x1, x2, x3, x4)
nn
nn2 <- nn %>%
gather(key = rep,
value = value, x1:x4, factor_key = TRUE)
nn2
nn3 <- nn %>%
melt(id.vars = c("id","gene"), measure.vars= c("x1","x2","x3","x4"),
variable.name = "rep", value.name = "value")
nn3
id gene rep value
1 1 ago x1 2.0
2 2 dcr x1 5.0
3 1 ago x2 3.0
4 2 dcr x2 4.0
5 1 ago x3 2.5
6 2 dcr x3 6.0
7 1 ago x4 3.0
8 2 dcr x4 5.5
C: longtype
長數據格式，沒有寬數據格式可讀性強，但是機器學習需要的就是長數據格式，以SPSS等為代表。
image.png
