前几天放出来的谁人R的展示中，有说到其实学R的进程更多的就是熟悉各类函数的进程（进修统计模子不在此列…我小我私家照旧倾向于不要借助软件来进修理论常识，固然可以直接看codes…笔和纸上的推导照旧不行或缺的根基功），然后各类基本函数熟悉了之后许多被打包好的函数就是缩短代码长度的利器了。
Excel内里有神奇的“数据透视表（pivot table）”，其实许多时候真的已经很神奇了….不外我照旧喜欢R，喜欢R直接输出csv可能xlsx的简捷。揉数据呢（学名貌似叫数据整理），我也照旧喜欢写出来代码的形式，而不是直接向excel那样面临功效。只是感受越发不容易堕落吧。
揉数据，顾名思义，就是在原有的数据名目基本上，变革出来其他的形式。好比，长长的时间序列酿成宽一点的~虽然这个可以简朴的借助reshape()函数了。惋惜我照旧不死心，想找一个更好用的，于是就自然而然的看到了reshape2这个包。
这个包内里函数英华在melt()和*cast()。说实话melt()耗了我一段时间来领略，尤其是为什么需要先melt再cast…厥后发明这个步调的确是无敌啊，什么样的形状都变得越发容易揉了，大赞。
warm-up完毕，照旧回到正题吧，怎么用reshape2揉数据呢？固然reshape2支持array, list和data.frame，可是我一般照旧习惯于用data.frame，所以照旧说说这对象怎么揉吧。揉数据的第一步就是挪用melt()函数，不消担忧你的input是什么名目，这个函数array, list和data.frame通吃。然后，要汇报他哪些变量是（）识别一个个另外，这句话是什么意思呢？我们先看melt()的参数：
melt(data, id.vars, measure.vars,
variable.name = "variable", ..., na.rm = FALSE,
value.name = "value")
个中id.vars可以指定一系列变量，然后measure.vars就可以留空了，这样生成的新数据会保存id.vars的所有列，然后增加两个新列：variable和value，一个存储变量的名称一个存储变量值。这样就相当于面板数据的长名目了。直接拷一个作者给出的例子：
原数据：
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 6dim(airquality) [1] 153 6
然后我们将month和day作为识别个别记录的变量，挪用melt(airquality, id=c("month", "day"))：
head(melt(airquality, id=c("month", "day"))) 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 28dim(melt(airquality, id=c("month", "day"))) [1] 612 4
嗯，这样数据就变长了~然后，就可以随意的cast了…dcast()会给出宽名目标数据，好比我们想把day作为的识别，那么：
names(airquality) <- tolower(names(airquality)) aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)head(dcast(aqm, day ~ variable+month)) day ozone_5 ozone_6 ozone_7 ozone_8 ozone_9 solar.r_5 solar.r_6 solar.r_7 solar.r_8 solar.r_9 wind_5 wind_6 wind_7 wind_8 wind_9 temp_5 temp_6 1 1 41 NA 135 39 96 190 286 269 83 167 7.4 8.6 4.1 6.9 6.9 67 78 2 2 36 NA 49 9 78 118 287 248 24 197 8.0 9.7 9.2 13.8 5.1 72 74 3 3 12 NA 32 16 73 149 242 236 77 183 12.6 16.1 9.2 7.4 2.8 74 67 4 4 18 NA NA 78 91 313 186 101 NA 189 11.5 9.2 10.9 6.9 4.6 62 84 5 5 NA NA 64 35 47 NA 220 175 NA 95 14.3 8.6 4.6 7.4 7.4 56 85 6 6 28 NA 40 66 32 NA 264 314 NA 92 14.9 14.3 10.9 4.6 15.5 66 79 temp_7 temp_8 temp_9 1 84 81 91 2 85 81 92 3 81 82 93 4 84 86 93 5 83 85 87 6 83 87 84
可能对付每个月，求平均数：
head(dcast(aqm, month ~ variable, mean, margins = c("month", "variable")))
month ozone solar.r wind temp (all)
1 5 23.61538 181.2963 11.622581 65.54839 68.70696
2 6 29.44444 190.1667 10.266667 79.10000 87.38384
3 7 59.11538 216.4839 8.941935 83.90323 93.49748
4 8 59.96154 171.8571 8.793548 83.96774 79.71207
5 9 31.44828 167.4333 10.180000 76.90000 71.82689
6 (all) 42.12931 185.9315 9.957516 77.88235 80.05722
#p#分页标题#e#
虽然尚有更强大的acast()，共同.函数：
library(plyr) # needed to access . function acast(aqm, variable ~ month, mean, subset = .(variable == "ozone"))5 6 7 8 9 ozone 23.61538 29.44444 59.11538 59.96154 31.44828
嗯，根基上数据就可以这么揉来揉去了…哈哈。怎么感受有点像数据透视表捏？只是越发机动，还可以自界说函数。
另外尚有recast()可以一步到位，只是返回的是list；colsplit()可以支解变量名…函数不多，却英华的很啊。
