【データハンドリング】pivot_longer()を使ってロング形式のパネルデータを作る

ワイドからロングへ、データを変換します。

はじめに

今回はtidyrのpivot_longer()を使ってワイド形式のデータをロング形式にする方法をご紹介します。

使用するパッケージ

tidyverseを使用します。tidyverseにはdplyrやtidyrをはじめとした諸パッケージが含まれているので、一括でやるのが便利で僕は好きです。

library(tidyverse)

データの準備

今回は適当に作成していきます。

df <- tibble(
  Region_id = 1:2, 
  Region = c("Region1", "Region2"),
  Income_2000 = c(40000, 35000),
  Income_2005 = c(42000, 37000),
  Income_2010 = c(45000, 39000),
  Population_2000 = c(500000, 450000),
  Population_2005 = c(520000, 460000),
  Population_2010 = c(540000, 470000)
)

表 1: ワイド形式のパネルデータ

Region_id	Region	Income_2000	Income_2005	Income_2010	Population_2000	Population_2005	Population_2010
1	Region1	40000	42000	45000	500000	520000	540000
2	Region2	35000	37000	39000	450000	460000	470000

2つの地域について収入と人口のデータを作りました。

ポイントは、主要なデータにおいて変数名_年となっていることです。

pivot_longer()を使う

一番ベーシックなやり方は次の通りです。

df_long <- df |> 
  pivot_longer(
    cols = starts_with(c("Income_", "Population_")), 
    names_to = c(".value", "Year"), 
    names_sep = "_"
  )

colsではロング形式に変換したい変数を指定しています。dplyrのstarts_with()を使えば、複数年分の変数を一括で指定することができます。今回はIncome_とPopulation_で始まる変数という意味です。

names_toは新しい列名をどうするかを指定しています。names_sepで分割の区切りを指定しているのですが（この場合はアンダースコア）、その区切り前なら.value（すなわち、もとの名前のまま¹）、区切り後はYearという列に格納するという意味です。

できたデータフレームは次のようになります。

表 2: ロング形式のパネルデータ

Region_id	Region	Year	Income	Population
1	Region1	2000	40000	500000
1	Region1	2005	42000	520000
1	Region1	2010	45000	540000
2	Region2	2000	35000	450000
2	Region2	2005	37000	460000
2	Region2	2010	39000	470000

もし仮に、ロング形式に変換したい変数がすべてアンダースコアで区切られている場合²、cols = contain("_")とすれば、変数が多くても一気に指定することができます。ただ今回の場合、Region_idがありますからうまくいきませんね。使える場面は限られそうです。

おわりに

今回はワイド形式のデータフレームをロング形式に変換する方法をご紹介しました。

僕自身pivot_longer()を使う時いつも何を指定すればいいんだっけ？となるので、備忘録的な意味合いが強いです😅

ご参考まで。

注

1. この場合ならIncomeやPopulation

2. 逆に言うと、ほかの変数はアンダースコアが用いられていない場合