文章和代碼已經歸檔至【Github倉庫：https://github.com/timerring/dive-into-AI 】或者公眾號【AIShareLab】回覆 R語言 也可獲取。

有時數據集來自多個地方，我們需要將兩個或多個數據集合併成一個數據集。合併數據框的操作包括縱向合併、橫向合併和按照某個共有變量合併。

1.縱向合併：rbind( )

要縱向合併兩個數據框，可以使用 rbind( )函數。被合併的兩個數據框必須擁有相同的變量，這種合併通常用於向數據框中添加觀測。例如：

data1 <- data.frame(id = 1:5, 
                    sex = c("female", "male", "male", "female", "male"),
                    age = c(32, 46, 25, 42, 29))
data1

data2 <- data.frame(id = 6:10, 
                    sex = c("male", "female", "male", "male", "female"),
                    age = c(52, 36, 28, 34, 26))
data2

rbind(data1, data2)

2. 橫向合併：cbind ( )

要橫向合併兩個數據框，可以使用 cbind( ) 函數。用於合併的兩個數據框必須擁有相同的行數，而且要以相同的順序排列。這種合併通常用於向數據框中添加變量。例如：

data3 <- data.frame(days = c(28, 57, 15, 7, 19),
                    outcome = c("discharge", "dead", "discharge", "transfer", "discharge"))
data3

cbind(data1, data3)

3. 按照某個共有變量合併：merge( )

有時我們有多個相關的數據集，這些數據集有一個或多個共有變量，我們想把它們按照共有變量合併成一個大的數據集。函數 merge( ) 可以實現這個功能，例如：

data4 <- data.frame(id = c(2, 1, 3, 5, 4), 
                    outcome = c("discharge", "dead", "discharge", "transfer", "discharge"))
data4

mydata <- merge(data1, data4, by = "id")
mydata

full\_join( )

dplyr 包中的 full\_join( ) 函數也能實現上述功能上面的命令等價於：

options(warn=-1) # 清爽顯示
library(dplyr)
mydata <- full_join(data1, data4, by = "id")
mydata

dplyr 包提供了多種用於合併數據框的函數，例如 bind\_rows( )、bind\_cols( )、left\_join( )、right\_join( ) 等，你可以查看這些函數的幫助文檔瞭解它們的用法。

4. 數據框的長寬格式的轉換

基本包裏的函數 reshape( ) 可以對數據進行長寬格式之間的轉換。

下面以 datasets 包裏的數據集 Indometh 為例進行説明。該數據集是關於藥物吲哚美辛（indometacin）的藥物代謝動力學數據，一共有 6 名試驗對象，每名試驗對象在連續的 8 小時內定時測定了血液中的藥物濃度，共有 11 次的測定值。該資料是長格式，下面將其轉換為寬格式。

data(Indometh)
head(Indometh,12) # 這裏增加一行，預覽數據前 12 行，方便對比

wide <- reshape(Indometh, v.names = "conc", idvar = "Subject", timevar = "time", direction = "wide")
wide

• Indometh：這是一個數據框或數據集，表示要進行重塑操作的原始數據。
• v.names：這是一個字符串，表示要重塑的值變量的名稱。在這種情況下，"conc"表示原始數據中的濃度變量。
• idvar：這是一個字符串或向量，表示標識變量的名稱或變量列表。在這種情況下，"Subject"表示原始數據中的主體標識變量。
• timevar：這是一個字符串，表示時間變量的名稱。在這種情況下，"time"表示原始數據中的時間變量。
• direction：這是一個字符串，表示重塑的方向。在這種情況下，"wide"表示要將數據從長格式重塑為寬格式。

我們還可以將寬格式數據 wide 重新轉換為長格式：

long <- reshape(wide, idvar = "Subject", varying = list(2:12),
        v.names = "conc", direction = "long")
head(long, 12)

函數 reshape( ) 功能強大，但裏面的參數很多，使用起來略顯不便。

tidyr 包以一種比較簡潔統一的格式實現數據長寬格式的轉換，其中，函數 pivot_wider( ) 用於把長格式數據轉換為寬格式，而函數 pivot_longer( ) 用於把寬格式數據轉換為長格式。上面的結果也可以用下述命令得到：

library(tidyr)
wide <- pivot_wider(as.data.frame(Indometh),
                    names_from = time,
                    values_from = conc)
wide

注意在上面的函數 pivot\_wider( ) 中，我們用函數 as.data.frame( ) 將數據 Indometh 轉換成了數據框，這是因為其默認類型不是數據框。數據框 wide 也能重新轉換為長格式：

long <- pivot_longer(wide, -Subject, 
                     names_to = "time", values_to = "conc")
long

一個“整潔”的數據集（tidy data）應該滿足：每一行代表一個觀測，每一列代表一個變量。在對醫學數據進行分析之前，通常情況下應先把數據集轉換為長格式，因為 R 中的大多數函數都支持這種格式的數據。

tidyr 包中的 gather() 和 spread() 同樣可以用於長型、寬型數據類型轉換，詳見 Cookbook for R。