企业官网建设流程全解析

Tidy.js实战指南：用pivot_longer和pivot_wider实现数据重塑的10个技巧

【免费下载链接】tidyTidy up your data with JavaScript, inspired by dplyr and the tidyverse项目地址: https://gitcode.com/gh_mirrors/ti/tidy

Tidy.js是一个受R语言tidyverse启发的JavaScript数据操作库，提供了类似dplyr的API，让数据清洗和转换变得简单直观。今天我们将深入探讨Tidy.js中两个最重要的数据重塑函数：pivot_longer和pivot_wider，帮助您掌握数据转换的核心技能。

🔍 什么是数据重塑？

数据重塑是将数据从宽格式转换为长格式，或从长格式转换为宽格式的过程。这种转换在数据分析中至关重要，因为不同的分析任务需要不同的数据格式。

• 宽格式数据：每个观察值分布在多列中，适合展示和比较
• 长格式数据：每个观察值在单独的行中，适合统计分析和可视化

🚀 快速入门Tidy.js

首先安装Tidy.js到您的项目中：

npm install @tidyjs/tidy # 或 yarn add @tidyjs/tidy

然后导入必要的函数：

import { tidy, pivotLonger, pivotWider } from '@tidyjs/tidy'

📊 pivot_longer：从宽到长的转换

pivot_longer函数将宽格式数据转换为长格式，增加行数并减少列数。

基础用法示例

假设我们有以下宽格式销售数据：

const salesData = [ { product: '手机', 一月: 120, 二月: 150, 三月: 180 }, { product: '平板', 一月: 80, 二月: 95, 三月: 110 }, { product: '笔记本', 一月: 200, 二月: 220, 三月: 240 } ] const longFormat = tidy( salesData, pivotLonger({ cols: ['一月', '二月', '三月'], // 要转换的列 namesTo: '月份', // 新列名存放原列名 valuesTo: '销售额' // 新列名存放原值 }) )

转换结果如下：

[ { product: '手机', 月份: '一月', 销售额: 120 }, { product: '手机', 月份: '二月', 销售额: 150 }, { product: '手机', 月份: '三月', 销售额: 180 }, { product: '平板', 月份: '一月', 销售额: 80 }, // ... 更多行 ]

使用选择器简化操作

Tidy.js支持强大的选择器语法，让代码更简洁：

const longFormat = tidy( salesData, pivotLonger({ cols: ['-product'], // 选择除product外的所有列 namesTo: '月份', valuesTo: '销售额' }) )

🔄 pivot_wider：从长到宽的转换

pivot_wider是pivot_longer的逆操作，将长格式数据转换回宽格式。

基础用法示例

const longData = [ { product: '手机', 月份: '一月', 销售额: 120 }, { product: '手机', 月份: '二月', 销售额: 150 }, { product: '平板', 月份: '一月', 销售额: 80 }, { product: '平板', 月份: '二月', 销售额: 95 } ] const wideFormat = tidy( longData, pivotWider({ namesFrom: '月份', // 新列名来自此列的值 valuesFrom: '销售额' // 新列的值来自此列 }) )

转换结果：

[ { product: '手机', 一月: 120, 二月: 150 }, { product: '平板', 一月: 80, 二月: 95 } ]

🎯 高级技巧：处理复杂数据结构

技巧1：多列拆分与合并

当列名包含多个信息时，可以使用数组形式的namesTo和valuesTo：

const complexData = [ { type: '电子产品', val_手机_一月: 120, val_手机_二月: 150, secval_手机_一月: 12, secval_手机_二月: 15 } ] const result = tidy( complexData, pivotLonger({ cols: ['-type'], namesTo: ['产品', '月份'], valuesTo: ['val', 'secval'] }) )

技巧2：填充缺失值

使用valuesFill参数为缺失值提供默认值：

const result = tidy( data, pivotWider({ namesFrom: '月份', valuesFrom: '销售额', valuesFill: 0 // 缺失值填充为0 }) )

技巧3：多值列处理

当有多个值列时，Tidy.js会自动添加前缀：

const result = tidy( data, pivotWider({ namesFrom: ['产品', '月份'], valuesFrom: ['销售额', '利润'], valuesFillMap: { 销售额: 0, 利润: -1 } }) )

📈 实战应用场景

场景1：时间序列数据分析

// 转换月度销售数据为时间序列格式 const timeSeries = tidy( monthlySales, pivotLonger({ cols: startsWith('2024'), // 选择所有2024年的列 namesTo: '日期', valuesTo: '销售额' }) )

场景2：调查问卷数据处理

// 将问卷的宽格式转换为长格式进行分析 const surveyResults = tidy( questionnaireData, pivotLonger({ cols: matches(/^Q[0-9]+$/), // 选择所有问题列 namesTo: '问题编号', valuesTo: '回答' }) )

场景3：多指标数据透视

// 创建多指标数据透视表 const pivotTable = tidy( performanceData, pivotWider({ namesFrom: ['部门', '指标'], valuesFrom: ['实际值', '目标值'], namesSep: '_' }) )

⚡ 性能优化建议

1. 批量操作：尽量一次性完成所有转换，避免多次调用tidy()
2. 选择器优化：使用选择器而不是硬编码列名列表
3. 内存管理：大数据集考虑分块处理

🔧 调试技巧

1. 逐步验证：每次转换后检查数据形状
2. 使用console.table()：可视化查看数据结构
3. 检查缺失值：确保valuesFill设置合理

🎓 学习资源

• 官方文档：docs/api/pivot.md - 详细的API参考
• 示例代码：packages/tidy/src/pivotLonger.test.ts - 查看完整的测试用例
• 源码实现：packages/tidy/src/pivotLonger.ts - 深入理解实现原理

💡 最佳实践

1. 保持一致性：在整个项目中统一使用Tidy.js的数据转换模式
2. 文档注释：为复杂的数据转换添加注释说明
3. 单元测试：为关键的数据重塑逻辑编写测试
4. 性能监控：对大数据集的操作进行性能测试

🚀 总结

Tidy.js的pivot_longer和pivot_wider函数为JavaScript数据操作提供了强大的数据重塑能力。通过掌握这些函数，您可以：

• ✅ 轻松在宽格式和长格式之间转换数据
• ✅ 处理复杂的多维度数据结构
• ✅ 优化数据分析工作流程
• ✅ 提高代码的可读性和可维护性

记住，良好的数据格式是成功数据分析的基础。选择合适的格式可以让后续的统计、可视化和机器学习任务变得更加简单高效。

开始使用Tidy.js的数据重塑功能，让您的数据转换工作变得更加轻松愉快！🎉

【免费下载链接】tidyTidy up your data with JavaScript, inspired by dplyr and the tidyverse项目地址: https://gitcode.com/gh_mirrors/ti/tidy