这里将数据框分为两种：宽数据和长数据。宽数据是指把指标作为列名，把每个指标的观测值作为行，这种数据便于直观理解；长数据是把所有指标也作为一列来展示数据，这种数据便于在R中进行分析。reshape2包中的melt函数可以实现宽数据向长数据的转换，而dcast可以实现宽数据向长数据的转化。
长宽数据
宽数据
宽数据每一列为一个指标，每一行为指标对应的观测值。
# Ozone Solar.R Wind Temp Month Day
# 1 41 190 7.4 67 5 1
# 2 36 118 8.0 72 5 2
# 3 12 149 12.6 74 5 3
# 4 18 313 11.5 62 5 4
# 5 NA NA 14.3 56 5 5
# 6 28 NA 14.9 66 5 6
长数据
长数据的其中有一列包含了多个指标，还有一列则是与之对应的观测值。
- 只有两列的长数据
# variable value # 1 Ozone 41 # 2 Ozone 36 # 3 Ozone 12 # 4 Ozone 18 # 5 Ozone NA # 6 Ozone 28 .................... # 913 Day 25 # 914 Day 26 # 915 Day 27 # 916 Day 28 # 917 Day 29 # 918 Day 30 - 拥有多列的长数据
# Month Day variable value
# 1 5 1 Ozone 41
# 2 5 2 Ozone 36
# 3 5 3 Ozone 12
# 4 5 4 Ozone 18
# 5 5 5 Ozone NA
# 6 5 6 Ozone 28
..............................
# 607 9 25 Temp 63
# 608 9 26 Temp 70
# 609 9 27 Temp 77
# 610 9 28 Temp 75
# 611 9 29 Temp 76
# 612 9 30 Temp 68
宽数据转化为长数据
melt函数
melt()函数可以将宽数据转化为长数据。其具体用法如下：
melt(data, id.vars, measure.vars,
variable.name = "variable", ..., na.rm = FALSE, value.name = "value",
factorsAsStrings = TRUE)
data 要转化的数据，数据格式为数据框类型或者可以转化为数据框类型
id.vars 数据的转化标准：依照那些列进行转化，数据格式为字符型或数字型的向量。如果该参数没有限定，会把所有数据转化为两列，其中指标一列，数据一列。
measure.vars 被转化的数据：将哪些列数据值转化，该参数在没有指定的默认情况下，会将id.vars中以外的所有列数据进行转化，数据格式为字符型或数字型的向量
variable.name 对转化后的数据标准列重新命名，默认情况下，列名为variable
na.rm 是否去除数据中的NA，默认情况下为FALSE，不去除NA
value.name 对转化后的数据列重新命名，默认情况下，列名为value
factorsAsStrings 转化过程中是否将因子类型数据转化为字符型数据，默认情况下为TRUE，将因子类型数据转化为字符型数据
实例
-
将全部数据转化为宽数据
此时是把宽数据的转化为两列，第一列对应的是原数据的列名，第二列对应的是原数据列的值。
# 加载数据
library(reshape2)
head(airquality)
# Ozone Solar.R Wind Temp Month Day
# 1 41 190 7.4 67 5 1
# 2 36 118 8.0 72 5 2
# 3 12 149 12.6 74 5 3
# 4 18 313 11.5 62 5 4
# 5 NA NA 14.3 56 5 5
# 6 28 NA 14.9 66 5 6
dim(airquality)
# [1] 153 6
dat = melt(airquality)
# No id variables; using all as measure variables
head(dat)
# variable value
# 1 Ozone 41
# 2 Ozone 36
# 3 Ozone 12
# 4 Ozone 18
# 5 Ozone NA
# 6 Ozone 28
tail(dat)
# variable value
# 913 Day 25
# 914 Day 26
# 915 Day 27
# 916 Day 28
# 917 Day 29
# 918 Day 30
dim(dat)
# 918 2
-
按某一列将其他指标排成长数据
这里以Month列为例，即保持Month列的每一个唯一值不变作为第一列，然后将各指标及其对应值放在第二和第三列。
dat0 = melt(airquality, id.vars = c('Month', 'Day'))
head(dat0)
dat0 = melt(airquality, id.vars = c('Month'))
head(dat0)
# Month variable value
# 1 5 Ozone 41
# 2 5 Ozone 36
# 3 5 Ozone 12
# 4 5 Ozone 18
# 5 5 Ozone NA
# 6 5 Ozone 28
tail(dat0)
# Month variable value
# 760 9 Day 25
# 761 9 Day 26
# 762 9 Day 27
# 763 9 Day 28
# 764 9 Day 29
# 765 9 Day 30
-
按某两列为将其他指标排成长数据
这里以Month和Day列为例，其结果为保持Month列和Day列的每一个唯一值的组合作为第一和第二列，然后将各指标及其对应值放在第三和第四列。
dat1 = melt(airquality, id.vars = c('Month', 'Day'))
head(dat1)
# Month Day variable value
# 1 5 1 Ozone 41
# 2 5 2 Ozone 36
# 3 5 3 Ozone 12
# 4 5 4 Ozone 18
# 5 5 5 Ozone NA
# 6 5 6 Ozone 28
tail(dat1)
# Month Day variable value
# 607 9 25 Temp 63
# 608 9 26 Temp 70
# 609 9 27 Temp 77
# 610 9 28 Temp 75
# 611 9 29 Temp 76
# 612 9 30 Temp 68
dim(dat1)
# [1] 612 4
- 按Month和Day列将Ozone和Solar.R列指标排成长数据
dat2 = melt(airquality, id.vars = c('Month', 'Day'),
measure = c('Ozone', 'Solar.R'))
head(dat2)
# Month Day variable value
# 1 5 1 Ozone 41
# 2 5 2 Ozone 36
# 3 5 3 Ozone 12
# 4 5 4 Ozone 18
# 5 5 5 Ozone NA
# 6 5 6 Ozone 28
tail(dat2)
# Month Day variable value
# 301 9 25 Solar.R 20
# 302 9 26 Solar.R 193
# 303 9 27 Solar.R 145
# 304 9 28 Solar.R 191
# 305 9 29 Solar.R 131
# 306 9 30 Solar.R 223
dim(dat2) # 行数是dat1的1/2
# [1] 306 4
- 对排列后的数据进行重命名
dat3 = melt(airquality, id.vars = c('Month', 'Day'),
variable.name = 'type', value.name = 'value.type')
head(dat3) # 列名发生变化
# Month Day type value.type
# 1 5 1 Ozone 41
# 2 5 2 Ozone 36
# 3 5 3 Ozone 12
# 4 5 4 Ozone 18
# 5 5 5 Ozone NA
# 6 5 6 Ozone 28
dim(dat3)
# [1] 612 4
- 去除排列后数据中的NA
由于结果是展示的Month和Day列所有唯一值的组合，所以这里就会出现原始数据中不存在的组合(例如，2月29日，2月30日和2月31日等)，其值为NA。这里所谓的去除NA，即去除原始数据中不存在的组合。
# airquality$Ozone 数的前四列有44 个NA
table(is.na(airquality$Ozone)) # 37
# FALSE TRUE
# 116 37
table(is.na(airquality$Solar.R)) # 4
# FALSE TRUE
# 146 7
table(is.na(airquality$Temp)) # 0
# FALSE
# 153
table(is.na(airquality$Wind)) # 0
# FALSE
# 153
dat4 = melt(airquality, id.vars = c('Month', 'Day'),
variable.name = 'type', value.name = 'value.type', na.rm = TRUE)
head(dat4)
# Month Day type value.type
# 1 5 1 Ozone 41
# 2 5 2 Ozone 36
# 3 5 3 Ozone 12
# 4 5 4 Ozone 18
# 6 5 6 Ozone 28
# 7 5 7 Ozone 23
dim(dat4)# 比dat3少44行
# [1] 568 4
此外，还发现melt函数中所有参数名都可以只写’.’前的部分。
dat5 = melt(airquality, id = c('Month', 'Day'),
variable = 'type', value = 'value.type', na = TRUE)
head(dat5)
# Month Day type value
# 1 5 1 Ozone 41
# 2 5 2 Ozone 36
# 3 5 3 Ozone 12
# 4 5 4 Ozone 18
# 5 5 5 Ozone NA
# 6 5 6 Ozone 28
长数据转化为宽数据
长数据转化为宽数据是宽数据转化成长数据的逆过程。
dcast函数
dcast()函数可以将长数据转化为宽数据。其具体用法如下：
dcast(data, formula, fun.aggregate = NULL, ..., margins = NULL,
subset = NULL, fill = NULL, drop = TRUE,
value.var = guess_value(data))
data 要转化的数据，数据格式为数据框类型或者可以转化为数据框类型
formula 转化的标准，以公式的形式定义
fun.aggregate 汇总函数。分类后，如果分类结果不唯一，就必须使用汇总函数。常用的汇总函数，包括求个数、和、平均值、标准差、方差，默认的为求个数
margins 确定结果是否显示总的结果，默认不显示
subset 是否只对某些标准内容进行计算，结合plyr包一起使用
fill 不存在的组合值的显示结果。默认的显示为0。数据类型为数值型向量
drop 确认不存在分分类组合是否显示，默认情况下显示
value.var 貌似对对转化后的数据进行命名，使用默认情况即可
实例
- 每个分类结果有一个数据，此时不需要使用汇总函数
air1 = dcast(dat4, Month + Day ~ type)
dim(air1)
# [1] 153 6
head(air1) # 数据与airquality相同
# Month Day Ozone Solar.R Wind Temp
# 1 5 1 41 190 7.4 67
# 2 5 2 36 118 8.0 72
# 3 5 3 12 149 12.6 74
# 4 5 4 18 313 11.5 62
# 5 5 5 NA NA 14.3 56
# 6 5 6 28 NA 14.9 66
- 按Month列排成宽数据，每个分类结果有多个数据，必须有汇总函数
air2 = dcast(dat4, Month ~ type, sum) # 这里使用sum函数
dim(air2)
# [1] 5 5
head(air2)
# Month Ozone Solar.R Wind Temp
# 1 5 NA NA 360.3 2032
# 2 6 NA 5705 308.0 2373
# 3 7 NA 6711 277.2 2601
# 4 8 NA NA 272.6 2603
# 5 9 NA 5023 305.4 2307
- 是否显示总的分类结果
air3 = dcast(dat4, Month ~ type, sum, margins = T) #列、行的总汇总都显示
dim(air3)
# [1] 6 6
head(air3)
# Month Ozone Solar.R Wind Temp (all)
# 1 5 NA NA 360.3 2032 NA
# 2 6 NA 5705 308.0 2373 NA
# 3 7 NA 6711 277.2 2601 NA
# 4 8 NA NA 272.6 2603 NA
# 5 9 NA 5023 305.4 2307 NA
# 6 (all) NA NA 1523.5 11916 NA
dcast(dat4, Month ~ type, sum, margins = c('Month'))# 只显示列的汇总
# Month Ozone Solar.R Wind Temp
# 1 5 NA NA 360.3 2032
# 2 6 NA 5705 308.0 2373
# 3 7 NA 6711 277.2 2601
# 4 8 NA NA 272.6 2603
# 5 9 NA 5023 305.4 2307
# 6 (all) NA NA 1523.5 11916
dcast(dat4, Month ~ type, sum, margins = c('type'))# 只显示行的汇总
# Month Ozone Solar.R Wind Temp (all)
# 1 5 NA NA 360.3 2032 NA
# 2 6 NA 5705 308.0 2373 NA
# 3 7 NA 6711 277.2 2601 NA
# 4 8 NA NA 272.6 2603 NA
# 5 9 NA 5023 305.4 2307 NA
- 只显示部分的分类内容
library(plyr)
air4 = dcast(dat4, Month ~ type, sum, subset = .(type == 'Wind' )) # 只显示type中Wind的情况
dim(air4)
# [1] 5 2
head(air4)
# Month Wind
# 1 5 360.3
# 2 6 308.0
# 3 7 277.2
# 4 8 272.6
# 5 9 305.4
- 不存在的分类是否显示，以及怎么显示
air5 = dcast(dat4, Month + Day ~ type, length, drop = F) # 组合上存在的结果都显示
tail(air5) # 这里的最后一行只是组合上存在，数据中并不在
# Month Day Ozone Solar.R Wind Temp
# 150 9 26 1 1 1 1
# 151 9 27 1 1 1 1
# 152 9 28 1 1 1 1
# 153 9 29 1 1 1 1
# 154 9 30 1 1 1 1
# 155 9 31 0 0 0 0
tail(dcast(dat4, Month + Day ~ type, length, drop = F, fill= -1)) # 更改不存在结果的显示值，最后一行显示为-1
# Month Day Ozone Solar.R Wind Temp
# 150 9 26 1 1 1 1
# 151 9 27 1 1 1 1
# 152 9 28 1 1 1 1
# 153 9 29 1 1 1 1
# 154 9 30 1 1 1 1
# 155 9 31 -1 -1 -1 -1