分析上手のコツ！Rのreshape(melt,cast) でデータを簡単に加工・整形

集めたデータはRaw dataと呼ばれ、このRaw dataを整形（データクレンジング）・加工することが分析の第一歩といっても過言ではありません。

そこで、今回はRのreshapeパッケージを取り上げます。

reshapeパッケージとは

reshapeパッケージは、データ整形と集計の両方に対して、非常に汎用性の高いパッケージです。

できるだけ複雑にならないように、シンプルなデータを使って説明していきますので、統計初心者の方でも大丈夫ですよ。

もし、reshapeをインストールしていないのであれば、まずは、

を実行してインストールして下さい。インストールは一度だけですので、以前にreshapeを使用したことがあるなら、

とreshapeを起動してくださいね。

reshpaeの基本は

• データを「melt関数」でwide format（横並び）からlong format（縦並び）へ変換
• データを分析しやすい形に「cast関数」に整形・加工

です。castの際に、任意の関数でデータを集計することができます。

では、サンプルデータを作成していきます。

2人の被検者（id:1と2）の握力（grip）と30秒立ち上がり回数（sit_to_stand）を6か月毎で3回（time:1-3）で測定した架空のデータです。

下の表のようなデータをRでは、wide formatと呼びます。とても一般的な形ですね。

以下のスクリプトをコピペして上表を作成しましょう。

すると、mydataに上の表のデータが代入されました。

サンプルデータはidとtimeの組み合わせによって、各測定値が対応した形となっています。

melt()関数

では早速、データを整形・加工していきます。

STEP１として、
まず、wide formatをlong formatに変換するために、melt()関数を使います。
なぜなら、Rでデータを分析する際はlong formatの方が扱いやすいという性質があるためです。

データをmeltするとき、そのままの並びで維持しておきたい変数を「id=」で指定します。

今回のデータはidとtimeが測定データ（握力・立ち上がり）に対応しているので、引数にid=(c("id", "time")を追加します。

つまり、idとtimeの並びを維持したまま、

• 測定項目（gripとsit_to_stand）がvariable変数
• 測定値がvalue変数

に並び変わります。以下のスクリプトを実行してください。

すると、以下の図のようなlong formatに整形されます

cast関数を使ってデータを加工する

STEP2として、
cast()関数は、meltされたデータを分析しやすい形にオプション関数を使って整形します。

object <- cast(melt data, Formula, Function)

• Data: 分析に使うデータ名
• Formula: 最終的な結果、具体的には「行(表側）~列（表頭）」の形を指定する
• Function:  オプション関数

行（表側）：idと variable　～　列（表頭）：time

この表なら１～３回目でどの様に値が変化しているかが分かりやすいですね。

行（表側）：id　～　列（表頭）：variable, time

この表だとid1とid2が１行ずつに並ぶので、被検者を上下に比較するのも簡単です。

行（表側）：id　～　列（表頭）：variableごとの平均値

実行すると各被検者ごとの握力・立ち上がりの平均値が算出された表になりました。

行（表側）：time　～　列（表頭）：variableごとの平均値

今度は６か月毎に実施した１～３回の被検者１と２を平均した値が算出されました。

まとめ

解析の前にデータの形を変えたり、集計したりすることはよくありますね。この時、melt()関数とcast()関数を使いこなせれば、とても便利です。慣れるまでは少しコツが必要ですが、いろいろと試してみて下さいね。