Een breed<\/strong> formaat bevat waarden die niet<\/em> herhalen in de eerste kolom.<\/span><\/p>\n Een lang<\/strong> formaat bevat waarden die in de eerste kolom worden herhaald<\/em> .<\/span><\/p>\n Beschouw bijvoorbeeld de volgende twee datasets die exact dezelfde gegevens bevatten, uitgedrukt in verschillende formaten:<\/span> <\/p>\n De functie melt()<\/strong> gebruikt de volgende basissyntaxis om een grootformaat dataframe naar een lang formaat te converteren:<\/span><\/p>\n Het id-<\/strong> argument geeft aan welke variabele moet worden gebruikt als de eerste kolom van het dataframe waarvan de waarden worden herhaald.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende dataframe in R hebben dat momenteel een breed formaat heeft:<\/span><\/p>\n We kunnen de functie melt()<\/strong> gebruiken om het dataframe snel naar een lang formaat te converteren:<\/span><\/p>\n Merk op dat het dataframe nu een lang formaat heeft.<\/span><\/span><\/p>\n De kolommen punten<\/strong> , assists<\/strong> en rebounds<\/strong> zijn allemaal gecomprimeerd in een enkele kolom met de naam variabele<\/strong> , terwijl hun waarden allemaal zijn gecomprimeerd in een enkele kolom met de naam waarden<\/strong> .<\/span><\/p>\n Voel je vrij om de kolommen van het resulterende dataframe te hernoemen met behulp van de namen()<\/strong> functie:<\/span><\/p>\n Merk op dat de kolommen zijn hernoemd.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Rijen filteren in R<\/a> U kunt de functie melt() van het reshape2- pakket in R gebruiken om een dataframe van een breed formaat naar een lang formaat te converteren. Een breed formaat bevat waarden die niet herhalen in de eerste kolom. Een lang formaat bevat waarden die in de eerste kolom worden herhaald . Beschouw bijvoorbeeld de volgende twee […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3906","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n![\"Breed](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/largelong1-1.png\")
<\/p>\n melt(df, id=' team<\/span> ')<\/strong><\/pre>\n Voorbeeld: Melt() gebruiken in R<\/strong><\/span><\/h2>\n
#create data frame in wide format\n<\/span>df <- data. frame<\/span> (team=c('A', 'B', 'C', 'D'),\n dots=c(88, 91, 99, 94),\n assists=c(12, 17, 24, 28),\n rebounds=c(22, 28, 30, 31))\n\n#view data frame\n<\/span>df\n\n team points assists rebounds\n1 A 88 12 22\n2 B 91 17 28\n3 C 99 24 30\n4 D 94 28 31<\/strong><\/pre>\n library<\/span> (reshape2)\n\n#use melt() to convert data frame from wide to long format\n<\/span>long_df <- melt(df, id=' team<\/span> ')\n\n#view long data frame<\/span>\nlong_df\n\n team variable value\n1 A points 88\n2 B points 91\n3 C points 99\n4 D points 94\n5 A assists 12\n6 B assists 17\n7 C assists 24\n8 D assists 28\n9 A rebounds 22\n10 B rebounds 28\n11 C rebounds 30\n12 D rebounds 31\n<\/strong><\/pre>\n #rename columns in long_df\n<\/span>names(long_df) <- c(' team<\/span> ', ' metric<\/span> ', ' amount<\/span> ')\n\n#view updated data frame\n<\/span>long_df\n\n team metric amount\n1 A points 88\n2 B points 91\n3 C points 99\n4 D points 94\n5 A assists 12\n6 B assists 17\n7 C assists 24\n8 D assists 28\n9 A rebounds 22\n10 B rebounds 28\n11 C rebounds 30\n12 D rebounds 31<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe een dataframe naar R te transponeren<\/a>
Hoe dataframekolommen te hernoemen in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"