long form

…

wide form

melt()

reshape2::melt()

  reshape2 패키지는 이름에도 나와있듯이 데이터를 재구성하는데 유용한 함수들을 제공하는 패키지입니다. 하지만 만들어진지 5년이 넘은 패키지이기 때문에 구형의 함수이고, 패키지 제작자인 Hadley Wickham도 다른 최신의 패키지 함수를 사용하길 권하고 있는 상황입니다. melt함수는 일반적으로 넓게 퍼져있는 wide form 형태의 데이터를 아이스크림을 녹이듯 밑으로 흘러내린 long form의 형태로 변환시켜주는 기능을 지니고 있는데 자주 사용되는 S3 class 데이터프레임에서 사용하는 melt 함수의 사용법으로는 다음과 같습니다.

reshape2::melt(data, id.vars, measure.vars, variable.name = "variable", na.rm = !preserve.na, preserve.na = TRUE, ...)

 melt()함수를 사용하여 wide form의 데이터를 long form으로 변환하는 과정을 진행해 보도록 하죠. 미리 위에서 알아봤던 연도별 유럽 지역의 1인당 GDP 데이터를 gapminder_wide변수에 저장했고, 이를 사용해 보도록 하겠습니다.

# long form 데이터 확인 
gapminder_long <- gapminder %>% 
  filter(continent == 'Europe') %>% 
  select(country, year, gdpPercap) %>% 
  as.data.frame()

gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

# wide form 데이터 확인 
gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

# wide form -> long form 변환 
gapminder_long_melt <- gapminder_wide %>% 
  reshape2::melt(id.vars = "country", variable.name = "year", value.name = "gdpPercap") %>% 
  arrange(country)

# 결과 비교 
gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

gapminder_long_melt %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

 melt()함수의 id.vars에 국가들의 이름을 의미하는 country를 지정하고, 변수열의 이름으로 “year,” 값 열 이름엔 “gdpPercap”을 지정하였습니다. id.vars를 지정하면 함수는 기존에 column으로 존재하던 나머지 열 들을 하나의 변수 안에 범주형 값으로 통합시켜(measure.vars) 데이터를 long form의 형식으로 변환하는 작업을 수행합니다.

gather()

tidyr::gather()

 tidyr 패키지는 tidyverse 군에 속한 패키지로서 tidy한 데이터를 생성하도록 돕는 함수를 제공하는 패키지 입니다. 여기서 언급한 tidy한 데이터란 이렇게 정의가 됩니다.

1. Every column is variable.
2. Every row is an observation.
3. Every cell is a single value.

 여기서 잠깐 퀴즈 하나 내보겠습니다. 앞서 살펴보았던 wide form의 데이터는 tidy한 데이터일까요 아닐까요? 이름에서 추측하자면 정돈된 데이터라는 관점에서 생각해본다면 tidy한 데이터가 맞을수도 있다고 생각할 수 있습니다. 하지만 정답은 X 입니다. 데이터가 tidy하다 라는 것을 이해하려면 데이터의 변수 과 데이터의 관측점 를 이해하고 있어야 합니다. 위의 정의를 좀 더 풀어서 알아보도록 하죠.

• Every column is variable. >> 모든 열은 변수 여야 한다는 말의 의미는 열에는 속성(키, 온도, 무게 등)값이 와야 합니다.

• Every row is an observation. >> 각 행은 관측점 이여야 한다는 말의 의미는 속성(변수)마다 동일한 단위로 측정된 값이 등장해야 한다는 의미입니다.(범주형 : 사람, 국가, 연도 등, 연속형 : 숫자 값)

 지금까지 알아보았던 wide form형태의 데이터는 연도(관측점)가 각각 독립된 열에 존재하여 다루기가 다소 난해한 경우의 데이터 였습니다. 이처럼 데이터가 tidy하다 함은 일반적으로 long form 형태의 데이터를 지칭합니다.

  gather함수의 사용법으로는 다음과 같습니다.

tidyr::gather(
  data,
  key = "key",
  value = "value",
  ...,
  na.rm = FALSE,
  convert = FALSE,
  factor_key = FALSE
)

  이번에는 gather함수를 사용하여 이전 melt함수를 사용한 과정과 동일한 작업을 진행해 보도록 하겠습니다.

# long form 데이터 확인 
gapminder_long <- gapminder %>% 
  filter(continent == 'Europe') %>% 
  select(country, year, gdpPercap) %>% 
  as.data.frame()

gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

# wide form 데이터 확인 
gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

# wide form -> long form 변환 
gapminder_long_gather <- gapminder_wide %>% 
  tidyr::gather(key = "year", value = "gdpPercap", -country, convert = T) %>% 
  arrange(country)

# 결과 비교 
gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

gapminder_long_gather %>% head(5)
#> # A tibble: 5 x 3
#>   country  year gdpPercap
#>   <fct>   <int>     <dbl>
#> 1 Albania  1952     1601.
#> 2 Albania  1957     1942.
#> 3 Albania  1962     2313.
#> 4 Albania  1967     2760.
#> 5 Albania  1972     3313.

  이전의 melt 함수와 비교해보면 변수열 통합을 위한 기준열을 지정하는 방식이 약간 차이가 나는 것을 알 수 있습니다. melt함수에는 매개변수로 id.vars를 통해 기준열을 지정할 수 있는데, gather함수에서는 마이너스 기호( - )를 통해 기준열을 지정할 수 있었습니다. 마이너스 기호로 country를 지정하면 이후 자동으로 나머지 열을 통합하는 작업을 수행하는 점에 있어서는 melt함수와 별반 차이가 없고, 결과를 비교해 봐도 일치하는 점을 알 수 있습니다.

pivot_loger()

tidyr::pivot_longer()

 tidyr 패키지에서 지원하는 long form 데이터 생성을 목적으로 한 두 번째 함수인 pivot_longer함수는 기존의 gather함수가 지니고 있던 직관적이지 못해 이해하기 어렵던 명칭과 기능을 개선한 함수로서 reshape2 및 tidyr 패키지의 제작자이자 R 구루이신 Hadley Wickham이 추천하는 방식입니다.

 pivot_longer함수의 사용법으로는 다음과 같습니다.

tidyr::pivot_longer(
  data,
  cols,
  names_to = "name",
  names_prefix = NULL,
  names_sep = NULL,
  names_pattern = NULL,
  names_ptypes = list(),
  names_transform = list(),
  names_repair = "check_unique",
  values_to = "value",
  values_drop_na = FALSE,
  values_ptypes = list(),
  values_transform = list(),
  ...
)

 pivot_loger함수를 사용하여 long form변환을 진행해 보도록 하겠습니다.

# long form 데이터 확인 
gapminder_long <- gapminder %>% 
  filter(continent == 'Europe') %>% 
  select(country, year, gdpPercap) %>% 
  as.data.frame()

gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

# wide form 데이터 확인 
gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

# wide form -> long form 변환 
gapminder_long_pivot_longer <- gapminder_wide %>% 
  tidyr::pivot_longer(col = -country, names_to = "year", values_to = "gdpPercap") %>% 
  arrange(country)

# 결과 비교 
gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

gapminder_long_pivot_longer %>% head(5)
#> # A tibble: 5 x 3
#>   country year  gdpPercap
#>   <fct>   <chr>     <dbl>
#> 1 Albania 1952      1601.
#> 2 Albania 1957      1942.
#> 3 Albania 1962      2313.
#> 4 Albania 1967      2760.
#> 5 Albania 1972      3313.

  gather함수와 마찬가지로 기준이 되는 열을 지정하기 위해 마이너스 기호( - )를 사용합니다. 하지만 gather함수에서는 기준열의 지정을 하는 인수가 없어 실제 함수를 사용하는 상황에 있어서 이해가 필요한 시간이 필요한 반면, pivot_longer함수에서는 인수 col을 지정하여 기준열 지정을 좀 더 명확히 하는 장점이 있습니다. 또한 여기 예제에서는 다루지 않았지만 변수열과 이름열을 설정하는데 있어 gather함수보다 세분화된 옵션을 지정할 수 있으며, 이를 통해 좀 더 원활한 피봇팅을 수행할 수 있습니다.

dcast()

reshape2::dcast()

 reshape2 패키지의 melt 함수와 대응되는 함수인 dcast함수는 데이터를 wide form으로 만드는데 용이한 함수입니다. 사용법으로는 다음과 같습니다.

dcast(
  data,
  formula,
  fun.aggregate = NULL,
  sep = "_",
  ...,
  margins = NULL,
  subset = NULL,
  fill = NULL,
  drop = TRUE,
  value.var = guess(data),
  verbose = getOption("datatable.verbose")
)

 gapminder_long_melt 객체는 wide form형태의 데이터를 melt함수를 사용하여 long form형태로 변환했던 데이터 였습니다. dcast함수를 사용하여 다시 wide form으로 변환하는 작업을 진행해 보도록 하겠습니다.

# wide form 데이터 확인 
gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

# long form 데이터 확인 
gapminder_long_melt %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

# wide form -> long form 변환 
gapminder_wide_dcast <- gapminder_long_melt %>% 
  reshape2::dcast(country ~ ..., value.var = "gdpPercap") %>% 
  as_tibble()

# 결과 비교 
gapminder_wide_dcast %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

 포뮬러상 물결무늬를 기준으로 좌측의 변수를 기준으로 나머지 열을 의미하는 ...을 사용해 기존 변수값을 새로운 변수열로 생성하여 wide form데이터로의 변환을 진행하였습니다. 정상적으로 변환이 된 것을 볼 수 있었지만 이전부터 dcast 함수를 사용하고 있어 함수를 능숙하게 다루는 사람이 아닌 이상 pivot wider함수를 사용하는게 더욱 쉽고 편리할 것입니다.

spread()

tidyr::spread()

 melt함수와 대응되는 함수인 spread함수는 그 명칭처럼 long form데이터를 wide form으로 넓게 펼치는 함수입니다. 함수의 사용법으로는 다음과 같습니다.

spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE, sep = NULL)

# wide form 데이터 확인 
gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

# long form 데이터 확인 
gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

# wide form -> long form 변환 
gapminder_wide_spread <- gapminder_long %>%
  tidyr::spread(key = year, value = gdpPercap) %>% 
  as_tibble()

# 결과 비교 
gapminder_wide_spread %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

pivot_wider()

tidyr::pivot_wider()

  마지막으로 알아볼 함수는 pivot_wider함수입니다. 마찬가지로 pivot_longer함수와 대응되는 함수이며, 가장 최신의 함수라 사용자 편의성에서나 기능적인 면에서나 우수한 함수라고 할 수 있습니다. pivot_wider함수의 사용법으로는 다음과 같습니다.

pivot_wider(
  data,
  id_cols = NULL,
  names_from = name,
  names_prefix = "",
  names_sep = "_",
  names_glue = NULL,
  names_sort = FALSE,
  names_repair = "check_unique",
  values_from = value,
  values_fill = NULL,
  values_fn = NULL,
  ...
)

 pivot_wider 함수를 통해 wide form 데이터를 생성해 보도록 합시다.

# wide form 데이터 확인 
gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

# long form 데이터 확인 
gapminder_long %>% head(5)
#>   country year gdpPercap
#> 1 Albania 1952  1601.056
#> 2 Albania 1957  1942.284
#> 3 Albania 1962  2312.889
#> 4 Albania 1967  2760.197
#> 5 Albania 1972  3313.422

# wide form -> long form 변환 
gapminder_wide_pivot_wider <- gapminder_long %>% 
  tidyr::pivot_wider(id_cols = country, names_from = year, values_from = gdpPercap)

# 결과 비교 
gapminder_wide_pivot_wider %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

gapminder_wide %>% head(5)
#> # A tibble: 5 x 13
#>   country  `1952` `1957` `1962` `1967` `1972` `1977` `1982` `1987` `1992` `1997`
#>   <fct>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1 Albania   1601.  1942.  2313.  2760.  3313.  3533.  3631.  3739.  2497.  3193.
#> 2 Austria   6137.  8843. 10751. 12835. 16662. 19749. 21597. 23688. 27042. 29096.
#> 3 Belgium   8343.  9715. 10991. 13149. 16672. 19118. 20980. 22526. 25576. 27561.
#> 4 Bosnia ~   974.  1354.  1710.  2172.  2860.  3528.  4127.  4314.  2547.  4766.
#> 5 Bulgaria  2444.  3009.  4254.  5577.  6597.  7612.  8224.  8240.  6303.  5970.
#> # ... with 2 more variables: 2002 <dbl>, 2007 <dbl>

 결과를 비교해 보자면 역시나 동일한 결과를 뱉는 것을 볼 수 있습니다. spread 함수와의 차이점이라면 pivot_wider함수가 좀 더 변수 열 및 값 열을 더욱 세밀하게 control 하도록 하는 옵션(인수)들을 제공한다는 점과, 그 외에도 인수들의 이름이 더욱 직관적이고 좀 더 사용자 친화적인 부분이란 점 입니다.