Las funciones para cambiar las tablas de formato son melt y dcast. Estas funciones están optimizadas para funcionar con grandes cantidades de datos guardados en memoria (10GB).
Larga a ancha
Actualmente tenemos una tabla larga. Vamos a convertirla en una tabla en la que las columnas sean los 73 paises y las canciones las filas. Los valores van a ser el numero de veces en las que cada canción ha aparecido en el listado de las 50 canciones más populares (data) en el último año. Adicionalmente vamos a mantener la columna de la fecha del listado (snapshot_date) pero la vamos a modificar de modo que nos quedemos con el mes y el año.
# Vamos a utilizar la tabla de canciones del top50 en 73 paises# Queremos crear una tabla de conteos de cada cancion por pais por mes en el que se hizo el listado top 50freq_song_long <- data[country !="",.(.N), by = .(name,country,month_yr =format(snapshot_date,"%Y-%m"))]freq_song_long
name country month_yr N
<char> <char> <char> <int>
1: Yebo Lapho (Gogo) (feat. DJ Maphorisa & Djy Biza) ZA 2024-09 8
2: Sdakiwe Sbali (feat. Bless The Gentleman & DJ Kap) ZA 2024-09 8
3: Mfazi Wephepha (feat. Big Zulu & Zee Nxumalo) ZA 2024-09 8
4: Kwelanga 2.0 (feat. Tman Xpress & LeeMcKrazy) ZA 2024-09 8
5: eGoli (feat. Eltee & Novatron) ZA 2024-09 8
---
75846: Nachts wach (Lila Wolken Bootleg) AT 2023-10 2
75847: HIBIKI AR 2023-10 2
75848: Slime You Out (feat. SZA) AE 2023-10 2
75849: SAY MY GRACE (feat. Travis Scott) AE 2023-10 2
75850: Rainy Days AE 2023-10 2
freq_song_wide <-dcast(freq_song_long, month_yr+name~country, value.var ="N", fill =0)freq_song_wide[,1:9]
La función dcast también nos permite agregar valores de acuerdo a una función mientras cambiamos el formato de las tablas. Esto es útil cuando nuestra fórmula no puede identificar de manera única cada fila. Por ejemplo, si quiseramos comparar la popularidad promedio de cada canción entre el 2023 y el 2024 podemos hacer lo siguiente:
dcast(data[country !=""], country + name ~format(snapshot_date,"%Y"), value.var ="popularity", fun.aggregate =function(x){round(mean(x, na.rm = T),digits =1)})
Key: <country, name>
country name 2023 2024
<char> <char> <num> <num>
1: AE ""Slut!"" (Taylor's Version) (From The Vault) 85.4 NaN
2: AE (It Goes Like) Nanana - Edit NaN 87.0
3: AE 100 Bands NaN 53.4
4: AE 22 NaN 35.0
5: AE 3 Days NaN 1.0
---
29523: ZA uKhome Lotto (feat. Agzo, Optimist Music ZA, Seun1401 & El.Stephano) NaN 55.3
29524: ZA uLala Kanjani (feat. LeeMcKrazy & Skandisoul) 61.0 NaN
29525: ZA we can't be friends (wait for your love) NaN 91.5
29526: ZA whatsapp (wassam) NaN 0.0
29527: ZA yes, and? NaN 84.0
Ahora imagina que te gustaría pasar de ancha a larga utilizando dos columnas. Por ejemplo, para compara la popularidad y el ranking promedio por año. Podemos indicar múltiples columnas en value.var
pop_rank_per_year <-dcast(data[country !=""], country + name ~format(snapshot_date,"%Y"), value.var =c("daily_rank", "popularity"), sep =".", fun.aggregate =function(x){round(mean(x, na.rm = T),digits =1)})pop_rank_per_year
Key: <country, name>
country name daily_rank.2023 daily_rank.2024
<char> <char> <num> <num>
1: AE ""Slut!"" (Taylor's Version) (From The Vault) 28.7 NaN
2: AE (It Goes Like) Nanana - Edit NaN 33.0
3: AE 100 Bands NaN 2.7
4: AE 22 NaN 26.0
5: AE 3 Days NaN 1.0
---
29523: ZA uKhome Lotto (feat. Agzo, Optimist Music ZA, Seun1401 & El.Stephano) NaN 42.0
29524: ZA uLala Kanjani (feat. LeeMcKrazy & Skandisoul) 33.1 NaN
29525: ZA we can't be friends (wait for your love) NaN 33.3
29526: ZA whatsapp (wassam) NaN 42.0
29527: ZA yes, and? NaN 30.5
popularity.2023 popularity.2024
<num> <num>
1: 85.4 NaN
2: NaN 87.0
3: NaN 53.4
4: NaN 35.0
5: NaN 1.0
---
29523: NaN 55.3
29524: 61.0 NaN
29525: NaN 91.5
29526: NaN 0.0
29527: NaN 84.0
month_yr name country N
<char> <char> <fctr> <int>
1: 2023-10 AE 0
2: 2023-10 ""Slut!"" (Taylor's Version) (From The Vault) AE 3
3: 2023-10 $AD BOYZ II AE 0
4: 2023-10 (It Goes Like) Nanana - Edit AE 0
5: 2023-10 0800 HEAVEN AE 0
---
2696396: 2024-09 青と夏 ZA 0
2696397: 2024-09 高嶺の花子さん ZA 0
2696398: 2024-09 黑月 ZA 0
2696399: 2024-09 黑玻璃 ZA 0
2696400: 2024-09 별별별 (See that?) ZA 0
De manera similar a dcast, podemos reformatear una tabla para conservar más de una columna en la tabla en formato largo. Por ejemplo, si tenemos la tabla generada anteriormente con el ranking promedio diario por año y la popularidad promedio por año, y quisiéramos una tabla que separara las medidas de popularidad en una columna y el ranking promedio en otra, podemos hacerlo de la siguiente manera:
country name year daily_rank popularity
<char> <char> <num> <num> <num>
1: AE ""Slut!"" (Taylor's Version) (From The Vault) 2023 28.7 85.4
2: AE (It Goes Like) Nanana - Edit 2023 NaN NaN
3: AE 100 Bands 2023 NaN NaN
4: AE 22 2023 NaN NaN
5: AE 3 Days 2023 NaN NaN
---
59050: ZA uKhome Lotto (feat. Agzo, Optimist Music ZA, Seun1401 & El.Stephano) 2024 42.0 55.3
59051: ZA uLala Kanjani (feat. LeeMcKrazy & Skandisoul) 2024 NaN NaN
59052: ZA we can't be friends (wait for your love) 2024 33.3 91.5
59053: ZA whatsapp (wassam) 2024 42.0 0.0
59054: ZA yes, and? 2024 30.5 84.0
country name year daily_rank popularity
<char> <char> <fctr> <num> <num>
1: AE ""Slut!"" (Taylor's Version) (From The Vault) 1 28.7 85.4
2: AE (It Goes Like) Nanana - Edit 1 NaN NaN
3: AE 100 Bands 1 NaN NaN
4: AE 22 1 NaN NaN
5: AE 3 Days 1 NaN NaN
---
59050: ZA uKhome Lotto (feat. Agzo, Optimist Music ZA, Seun1401 & El.Stephano) 2 42.0 55.3
59051: ZA uLala Kanjani (feat. LeeMcKrazy & Skandisoul) 2 NaN NaN
59052: ZA we can't be friends (wait for your love) 2 33.3 91.5
59053: ZA whatsapp (wassam) 2 42.0 0.0
59054: ZA yes, and? 2 30.5 84.0
# Forma 3pop_rank_per_year %>%melt(., measure.vars =measure(var=as.factor, year=as.integer, sep="."), value.name ="mean")
country name var year mean
<char> <char> <fctr> <int> <num>
1: AE ""Slut!"" (Taylor's Version) (From The Vault) daily_rank 2023 28.7
2: AE (It Goes Like) Nanana - Edit daily_rank 2023 NaN
3: AE 100 Bands daily_rank 2023 NaN
4: AE 22 daily_rank 2023 NaN
5: AE 3 Days daily_rank 2023 NaN
---
118104: ZA uKhome Lotto (feat. Agzo, Optimist Music ZA, Seun1401 & El.Stephano) popularity 2024 55.3
118105: ZA uLala Kanjani (feat. LeeMcKrazy & Skandisoul) popularity 2024 NaN
118106: ZA we can't be friends (wait for your love) popularity 2024 91.5
118107: ZA whatsapp (wassam) popularity 2024 0.0
118108: ZA yes, and? popularity 2024 84.0
