O que quer dizer que uma tabela está em formato wide? E long?
- Um banco de dados em formato wide é aquele no qual as variáveis estão desempilhadas (uma separada da outra).
- Um banco de dados em formato long é aquele no qual as variáveis estão empilhadas (uma sobre a outra).
A figura a seguir exemplifica isso:
Note que, no formato wide, x
e y
são os nomes da variáveis. Quando você converte o banco de dados para o formato long, os valores destas variáveis serão empilhados com o respectivo nome da variável ao seu lado (isto é, em outra coluna), indicando que estes valores correspondem a ela.
Quais pacotes/funções no R podem ser usados para transformar uma tabela wide em long e vice-e-versa?
No r utils
você pode utilizar a função stack
(empilhar) para converter um data.frame
de wide para long:
dataset<-data.frame(matrix(runif(6*5,1,10),ncol=6)) # criação do data.frame
dataset
X1 X2 X3 X4 X5 X6
1 7.349284 6.028351 2.688078 6.125223 1.221548 9.612955
2 4.069976 2.874686 6.672611 7.392773 8.788791 1.947049
3 5.601091 5.088117 6.642646 1.919682 5.083521 2.890271
4 8.972191 5.440744 1.900963 2.321034 4.617486 3.135706
5 6.863326 3.664501 8.406267 2.357013 7.787931 5.592315
empilhar<-stack(dataset,select=(1:6)) # converte para o formato long
empilhar
values ind
1 7.349284 X1
2 4.069976 X1
3 5.601091 X1
4 8.972191 X1
5 6.863326 X1
6 6.028351 X2
7 2.874686 X2
8 5.088117 X2
9 5.440744 X2
10 3.664501 X2
11 2.688078 X3
12 6.672611 X3
13 6.642646 X3
14 1.900963 X3
15 8.406267 X3
16 6.125223 X4
17 7.392773 X4
18 1.919682 X4
19 2.321034 X4
20 2.357013 X4
21 1.221548 X5
22 8.788791 X5
23 5.083521 X5
24 4.617486 X5
25 7.787931 X5
26 9.612955 X6
27 1.947049 X6
28 2.890271 X6
29 3.135706 X6
30 5.592315 X6
A função unstack
realiza o processo inverso. Isto é, converte de long para wide:
desempilhar<-unstack(empilhar) # converte para o formato wide
X1 X2 X3 X4 X5 X6
1 7.349284 6.028351 2.688078 6.125223 1.221548 9.612955
2 4.069976 2.874686 6.672611 7.392773 8.788791 1.947049
3 5.601091 5.088117 6.642646 1.919682 5.083521 2.890271
4 8.972191 5.440744 1.900963 2.321034 4.617486 3.135706
5 6.863326 3.664501 8.406267 2.357013 7.787931 5.592315
No tidyverse
, o package tidyr
também é útil para fazer o que deseja.
Para empilhar, você pode utilizar a função gather
. Considerando o mesmo conjunto de dados:
library(tidyr)
res1<-gather(dataset, key='factor', value = 'my', 1:6)
head(res1,10)
factor my
1 X1 5.938725
2 X1 4.367486
3 X1 3.220609
4 X1 3.357561
5 X1 9.275956
6 X2 2.260197
7 X2 5.880264
8 X2 2.891555
9 X2 7.641574
10 X2 9.611466
- onde:
key
é o nome do vetor que comportará os nomes das variáveis empilhadas;
value
representa as variáveis a serem empilhadas.
O processo inverso da função gather
é dado pela função spread
(semelhante a unstack
). Mais detalhes na documentação.
Existem outros packages que fazem o mesmo (como reshape2
).
Principais utilidades dos dados em formato long:
Cria grupos automaticamente para as variáveis (útil em algumas análises, como ANOVA). Além disso, em algumas funções do tidyverse
, como ggplot::facet_wrap
, os dados precisam estar neste formato.
Evita a execução de loops, ao usar a variável de grupo como se fossem colunas de um data.frame
.