reshape2包的基本用法（melt及cast）

数据长宽格式的转换时，通常需要用到reshape2包中的函数，何为数据的长宽格式？以下为示例。

宽格式的数据每个变量都有单独的一列，例如

##      ozone      wind     temp
## 1 23.61538 11.622581 65.54839
## 2 29.44444 10.266667 79.10000
## 3 59.11538  8.941935 83.90323
## 4 59.96154  8.793548 83.96774

以下为长格式

## No id variables; using all as measure variables

##    variable     value
## 1     ozone 23.615385
## 2     ozone 29.444444
## 3     ozone 59.115385
## 4     ozone 59.961538
## 5      wind 11.622581
## 6      wind 10.266667
## 7      wind  8.941935
## 8      wind  8.793548
## 9      temp 65.548387
## 10     temp 79.100000
## 11     temp 83.903226
## 12     temp 83.967742

长格式数据的一列用于表示可能的变量类型，一列用于表示这些变量的值。 长格式数据不一定只有两列。 例如，我们可能会有一年中每一天的臭氧测量值。 在这种情况下，我们可以在一天中增加另一列。 换句话说，“长度”有不同的级别。 您想要获取数据的最终形状将取决于您在处理数据。

事实证明，某些类型的数据分析需要宽格式数据，而其他类型则需要长格式数据。例如，ggplot2需要长格式数据（技术上是整洁的数据），plyr需要长格式数据，并且大多数建模函数（例如lm（），glm（）和gam（））都需要长格式数据。 但是人们经常发现更容易以宽格式记录数据。

melt 函数：宽格式-长格式

names(airquality) <- tolower(names(airquality))
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

使用melt函数时

aql <- melt(airquality) # [a]ir [q]uality [l]ong format

## No id variables; using all as measure variables

head(aql)

##   variable value
## 1    ozone    41
## 2    ozone    36
## 3    ozone    12
## 4    ozone    18
## 5    ozone    NA
## 6    ozone    28

tail(aql)

##     variable value
## 913      day    25
## 914      day    26
## 915      day    27
## 916      day    28
## 917      day    29
## 918      day    30

默认情况下，melt假定所有具有数字值的列都是具有值的变量。 想知道每个月和一天的臭氧，solar.r，风和温度的值时候，可以通过设置id.vars来指定变量。 

aql <- melt(airquality, id.vars = c("month", "day"))
head(aql)

##   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

设置长格式数据中的列名，可以进行如下设置：

aql <- melt(airquality, id.vars = c("month", "day"),
  variable.name = "climate_variable", 
  value.name = "climate_value")
head(aql)

##   month day climate_variable climate_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

cast functions：长格式-宽格式

aql <- melt(airquality, id.vars = c("month", "day"))
aqw <- dcast(aql, month + day ~ variable)
head(aqw)

##   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

head(airquality) # original data

##   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

您可能会犯的一个令人困惑的“错误”是投射一个数据集，其中每个数据单元都有多个值。 例如，这一次我们将不包括day作为ID变量：

dcast(aql, month ~ variable)

## Aggregation function missing: defaulting to length

##   month ozone solar.r wind temp
## 1     5    31      31   31   31
## 2     6    30      30   30   30
## 3     7    31      31   31   31
## 4     8    31      31   31   31
## 5     9    30      30   30   30

When you run this in R, you’ll notice the warning message:

# Aggregation function missing: defaulting to length

每个月气候组合的单元格将填充数据行数。 我们看到的数字是每个月记录的天数。 dcast时，每个单元格有多个值时，还需要告诉dcast如何汇总数据，如采用均值，中位数或总和。 我们还将通过...参数传递选项na.rm = TRUE以删除NA值。 （...让您将其他参数传递给funn.aggregate函数，此处表示平均值。）

dcast(aql, month ~ variable, fun.aggregate = mean, 
  na.rm = TRUE)

##   month    ozone  solar.r      wind     temp
## 1     5 23.61538 181.2963 11.622581 65.54839
## 2     6 29.44444 190.1667 10.266667 79.10000
## 3     7 59.11538 216.4839  8.941935 83.90323
## 4     8 59.96154 171.8571  8.793548 83.96774
## 5     9 31.44828 167.4333 10.180000 76.90000

reference:

https://seananderson.ca/2013/10/19/reshape/