R语言学习 第十三篇：利用reshape2包重塑数据
数据重塑通常使用reshape2包，reshape2包用于实现对宽数据及长数据之间的相互转换，由于reshape2包不在R的默认安装包列表中，在第一次使用之前，需要安装和引用：
install.packages("reshape2")
library(reshape2)
重塑数据，首先把数据融合（melt），以使每一行都有唯一的标识-变量组合，然后把数据重塑（cast）为想要的任何形状。在重塑过程中，可以使用任何函数对数据进行整合。
一，认识宽数据
创建示例数据，这种数据显示叫做数据的短格式，也叫做宽数据：
> ID <- c(1,1,2,2)
> Time <- c(1,2,1,2)
> X1 <- c(5,3,6,2)
> X2 <-c(6,5,1,4)
> mydata <- data.frame(ID,Time,X1,X2)
短格式的数据如下图所示，ID和Time的组合是唯一的，X1和X2是该行的观测变量值：
ID Time X1 X2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4
二，融合数据
数据集的融合是指把数据集重构为特定的格式：每个观测变量独占一行，每行都有唯一确定每个观测所需要的标识变量，我们使用melt()函数来融合数据框：
melt(data,id.vars,measure.vars,variable.name='variable',...,na.rm=FALSE,value.name='value',factorAsStrings=TRUE)
参数注释：
- data：融合的数据框
- id.vars：由标识变量构成的向量，用于标识观测的变量
- measure.vars ：由观测变量构成的向量
- variable.name：用于保存原始变量名的变量的名称
- value.name：用于保存原始值的名称
示例，标识变量是ID和Time，X1和X2作为观测变量：
md <- melt(mydata,id=c("ID","Time"),measure=c("X1","X2"))
数据融合之后，变成所谓的长格式，也称作长数据：
ID Time variable value 1 1 1 X1 5 2 1 2 X1 3 3 2 1 X1 6 4 2 2 X1 2 5 1 1 X2 6 6 1 2 X2 5 7 2 1 X2 1 8 2 2 X2 4
注意：必须指定唯一确定每个观测所需的变量（ID和Time），而表示观测变量名的变量（X1和X2）由程序自动创建，从结果中可以看出，函数自动创建了两个变量：variable和value，这两个变量名称是默认的，这可以在melt()函数中，通过参数 variable.name=”new_variable_name”和 value.name=”new_value_name”来自定义。
md <- melt(mydata,id=c("ID","Time"),measure=c("X1","X2"),variable.name = "MeasuredVariable",value.name = "IntValue")
三，重塑数据
dcast()函数用于读取已融合的数据框（d是指data frame），并使用formula和用于整合数据的函数把数据集重塑，
dcast(data, formula, fun.aggregate = NULL, ..., margins = NULL,
subset = NULL, fill = NULL, drop = TRUE,
value.var = guess_value(data))
参数注释：
- data：已融合的数据框
- formula：用于指定输出的结果集格式
- fun.aggregate：用于指定聚合函数，对已聚合的数据执行聚合运算
- margins：相当于透视表中的行总计和列总计
- subset：选取满足一些特定值的数据，相当于Excel透视表的筛选。例如， subset =.（variable ==“length”)
参数formula的格式是：
rowvar1 + rowvar2 +... ~ colvar1 + colvar2 +...
在该公式中，rowvar 定义了保留的变量名，以唯一确定各行的内容；colvar定义了需要重塑的变量名，以确定各列的值。重塑的含义是：展开或聚合。
1，展开
把数据的长格式转化为数据的短格式，也可以说，把长数据展开为宽数据，这种展开操作的formula参数的格式是固定的：标识变量~variable。
> dcast(md,ID+Time~variable)
ID Time X1 X2
1 1 1 5 6
2 1 2 3 5
3 2 1 6 1
4 2 2 2 4
2，对观测变量进行聚合运算
只保留ID，按照ID计算观测变量的平均值：
> dcast(md,ID~variable,mean)
ID X1 X2
1 1 4 5.5
2 2 4 2.5
这种操作，类似于分组聚合：按照ID进行分组，分别求变量X1和X2的聚合值。
3，添加总计列
计算按照ID分组的X1和X2的均值，并对重塑的结果按照ID计算各列均值，按照X1和X2计算各行的均值。
> dcast(md,ID~variable,mean,margins = c("ID","variable")) ID X1 X2 (all) 1 1 4 5.5 4.75 2 2 4 2.5 3.25 3 (all) 4 4.0 4.00
计算的过程是：
按照ID计算各列的均值： X1的值是(5.5+2.5)/2=4
按照变量计算各行的均值：第一行的均值是 (4+5.5)/2=4.75
参考文档：