cast函数_R-数据处理 | 数据整合与重塑（aggregate函数+reshape包）

R中提供了许多用来整合（aggregate）和重塑（reshape）数据的强大方法。在整合数据时，往往将多组观测替换为根据这些观测计算的描述性统计量。在重塑数据时，则会通过修改数据的结构（行和列）来决定数据的组织方式。

一、整合数据

在R中使用一个或多个by变量和一个预先定义好的函数来折叠（collapse）数据是比较容易的。调用格式为：

x是待折叠的数据对象， by是一个变量名组成的列表，这些变量将被去掉以形成新的观测，而FUN则是用来计算描述性统计量的标量函数，它将被用来计算新观测中的值。

在结果中，Group.1表示汽缸数量（4、6或8）， Group.2代表挡位数（3、4或5）。举例来说，拥有4个汽缸和3个挡位车型的每加仑汽油行驶英里数（mpg）均值为21.5。

在使用aggregate()函数的时候， by中的变量必须在一个列表中（即使只有一个变量）。你可 以 在 列 表 中 为 各 组 声 明 自 定 义 的 名 称 ， 例 如by=list(Group.cyl=cyl, Group.gears=gear)。指定的函数可为任意的内建或自编函数，这就为整合命令赋予了强大的力量。

二、reshape包

基本原理

首先将数据“融合”（melt），以使每一行都是一个唯一的“标识符—变量”组合。然后将数据“重铸”（cast）为想要的任何形状，在重铸过程中，可以使用任何函数对数据进行整合。

（一）融合

1、原始数据：在本例中，标识符是指ID、Time以及观测属于X1还是X2）唯一地确定。举例来说，在知道ID为1、Time为1，以及属于变量X1之后，即可确定测量值为第一行中的5。

2、数据融合：数据集的融合是将它重构为这样一种格式：每个测量变量独占一行，行中带有要唯一确定这个测量所需的标识符变量。数据融合的结果是形成“ID （主键）— 属性 —属性值”

一般我们见到的数据框形式：

aggdata<-melt(data,id=c(variable1 ) )，融合后的数据格式：

（二）重铸数据

1、重铸后的数据格式

newdata<-cast(aggdata, variable 1+ variable 2~ variable 3+ variable 4,fun)

2、cast函数解释

cast()函数读取已融合的数据，并使用你提供的公式和一个（可选的）用于整合数据的函数将其重塑。调用格式为：

其中的md为已融合的数据， formula描述了想要的最后结果，而FUN是（可选的）数据整合函数。其接受的公式形如：

在这一公式中， rowvar1 + rowvar2 + ...定义了要划掉的变量集合，以确定各行的内容，而colvar1 + colvar2 + ...则定义了要划掉的、确定各列内容的变量集合。

由于右侧（d、 e和f）的公式中并未包括某个函数，所以数据仅被重塑了。反之，左侧的示例（a、 b和c）中指定了mean作为整合函数，从而就对数据同时进行了重塑与整合。例如， (a)中给出了每个观测所有时刻中在X1和X2上的均值；示例(b)则给出了X1和X2在时刻1和时刻2的均值，对不同的观测进行了平均；在(c)中则是每个观测在时刻1和时刻2的均值，对不同的X1和X2进行了平均。