1. 長數據是什么鬼？之前介紹了如何將多個性狀的箱線圖放在一個圖上，比如learnasreml包中的fm數據，它有h1~h5五年的株高數據，想對它進行作圖。 「數據預覽：」 > library(learnasreml)
> data(fm)
> head(fm)
TreeID Spacing Rep Fam Plot dj dm wd h1 h2 h3 h4 h5
1 80001 3 1 70048 1 0.334 0.405 0.358 29 130 239 420 630
2 80002 3 1 70048 2 0.348 0.393 0.365 24 107 242 410 600
3 80004 3 1 70048 4 0.354 0.429 0.379 19 82 180 300 500
4 80005 3 1 70017 1 0.335 0.408 0.363 46 168 301 510 700
5 80008 3 1 70017 4 0.322 0.372 0.332 33 135 271 470 670
6 80026 3 1 70002 2 0.359 0.450 0.392 30 132 258 390 570
這里，相對h1,h2,h3,h4,h5這五個性狀進行作圖，我們可以將其轉化為「長數據」！ 問題來了，什么是「長數據」，什么是「寬數據」（不是短數據，這不是反義詞，謝謝） 「寬數據：」 ?即變量是多列數據，每一列都是一個值，比如株高數據，第一年的株高是一列，第二年的株高是一列，第三年的株高是一列，這些數據就是寬數據。 ? | ID | 2018height | 2019height | 2020heightt |
|---|
| ID001 | 12 | 14 | 18 | | ID002 | 11 | 14 | 19 | | ID003 | 14 | 15 | 16 |
「長數據：」 ?即變量是，數據都在一列，比如株高數據，第一列是ID，第二列是年份，第三列是株高，這種數據叫長數據。 ? | ID | 年份 | 株高 |
|---|
| ID001 | 2018 | 12 | | ID001 | 2019 | 14 | | ID001 | 2020 | 18 | | ID002 | 2018 | 11 | | ID002 | 2019 | 14 | | ID002 | 2020 | 19 | | ID003 | 2018 | 14 | | ID003 | 2019 | 15 | | ID003 | 2020 | 16 |
「tidyverse」系列包，喜歡長數據，無論是清洗數據，還是匯總統計，還是ggplot2可視化，都喜歡長數據。 ?飛哥注：我今天明白了這個道理，即tidyverse系列喜歡長數據，感覺打開了任督二脈，對于數據處理又有了新的理解。 ? 2. 怎么轉化為長數據我知道三種方法： reshape2的melt函數，現在還知道這個包的人，R齡應該在5年以上了，反正我一直都用，很好用，但是被作者嫌棄了，現在被很多人嫌棄了……data.table的metlt函數，和reshape2包的函數同名，用法也相似，可以對DT數據處理，很快。現在我用melt函數時，就不用載入reshape2了，直接用data.table包就行tidyverse中的tidyr中的pivot_longer函數，這個更簡單，用過這個函數，再也沒有迷路過。因為melt函數語法比較復雜，經常需要查看幫助文檔或者以前的筆記。
看一下最簡單的方法吧，看一下數據： > dd = fm[,c(1,9:13)]
> head(dd)
TreeID h1 h2 h3 h4 h5
1 80001 29 130 239 420 630
2 80002 24 107 242 410 600
3 80004 19 82 180 300 500
4 80005 46 168 301 510 700
5 80008 33 135 271 470 670
6 80026 30 132 258 390 570
然后用pivot_longer函數，將其轉化為長數據： > re = dd %>% pivot_longer(.,-1,names_to = "Year",values_to = "Height")
> head(re)
# A tibble: 6 x 3
TreeID Year Height
<fct> <chr> <int>
1 80001 h1 29
2 80001 h2 130
3 80001 h3 239
4 80001 h4 420
5 80001 h5 630
6 80002 h1 24
代碼解釋： - 我用了管道符
%/%，將數據傳遞給pivot_longer - 第二個
-1，意思是除了第一個不處理，其它都處理，也可以用2:6表示第二到第六列處理 - 第三個
names_to是變量的名稱，這里定義為Year - 第四個
values_to是保存的性狀名，這里是Height
可以看到，長數據有3列，分別是： 3. ggplot2作圖怎么搞之前我使用ggplot2作圖時，想做什么圖，就在網上copy代碼，然后根據自己的數據名稱，修改代碼，然后運行代碼。一次性代碼，用過就忘，半吊子水平，一直很穩定。 當我知道了ggplot2用長數據之后，又是另一種理解： library(ggplot2)
re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_boxplot()
先看圖片：  成功了，圖片比較滿意，第一個是h1的株高，第二個是h2的株高，依次類推。但是代碼是什么意思呢？ 我看了ggplot2的入門，畫圖分為三個部分： - x軸，y軸在哪里：
x軸是Year，y軸是Height - 畫什么類型的圖：
這里是箱線圖，所以是geom_boxplot
「如果是畫分組散點圖：」 re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_point()
 「如果是畫分組分散的散點圖：」 re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_jitter()
 4. 所以散點圖和箱線圖結合呢？直接用+連接就行了，感覺到了畫家作圖的快樂，算是丫丫學徒吧，哈哈 re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_jitter() + geom_boxplot()
 5. 感受所以，這就是學習的快樂了! R語言進階筆記1 | 深挖一門語言的必要性
|
