R语言入门23-数据处理:reshape2包

怕python的鱼

2024-04-28 帮助1人

一、rbind与cbind函数

一、rbind与cbind函数

cbind：将m列数据与n列数据合并，最终得到一个m n列的数据。

使用前提是：cbind（x，y）中的矩阵x，y的行数必需相同。

rbind：将m行数据与n行数据合并，最终得到一个m n行的数据。

使用前提是：cbind（x，y）中的矩阵x，y的列数必需相同。

#我们使用R自带的airqualty做演示
> 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
7 23 299 8.6 65 5 7
8 19 99 13.8 59 5 8
9 8 19 20.1 61 5 9
10 NA 194 8.6 69 5 10
11 7 NA 6.9 74 5 11
12 16 256 9.7 69 5 12
13 11 290 9.2 66 5 13
14 14 274 10.9 68 5 14
15 18 65 13.2 58 5 15
16 14 334 11.5 64 5 16
17 34 307 12.0 66 5 17
18 6 78 18.4 57 5 18
19 30 322 11.5 68 5 19
20 11 44 9.7 62 5 20
21 1 8 9.7 59 5 21
22 11 320 16.6 73 5 22
23 4 25 9.7 61 5 23
24 32 92 12.0 61 5 24
25 NA 66 16.6 57 5 25
26 NA 266 14.9 58 5 26
27 NA NA 8.0 57 5 27
28 23 13 12.0 67 5 28
29 45 252 14.9 81 5 29
30 115 223 5.7 79 5 30
31 37 279 7.4 76 5 31
32 NA 286 8.6 78 6 1
33 NA 287 9.7 74 6 2
34 NA 242 16.1 67 6 3
35 NA 186 9.2 84 6 4
36 NA 220 8.6 85 6 5
37 NA 264 14.3 79 6 6
38 29 127 9.7 82 6 7
39 NA 273 6.9 87 6 8
40 71 291 13.8 90 6 9
41 39 323 11.5 87 6 10
42 NA 259 10.9 93 6 11
43 NA 250 9.2 92 6 12
44 23 148 8.0 82 6 13
45 NA 332 13.8 80 6 14
46 NA 322 11.5 79 6 15
47 21 191 14.9 77 6 16
48 37 284 20.7 72 6 17
49 20 37 9.2 65 6 18
50 12 120 11.5 73 6 19
51 13 137 10.3 76 6 20
52 NA 150 6.3 77 6 21
53 NA 59 1.7 76 6 22
54 NA 91 4.6 76 6 23
55 NA 250 6.3 76 6 24
56 NA 135 8.0 75 6 25
57 NA 127 8.0 78 6 26
58 NA 47 10.3 73 6 27
59 NA 98 11.5 80 6 28
60 NA 31 14.9 77 6 29
61 NA 138 8.0 83 6 30
62 135 269 4.1 84 7 1
63 49 248 9.2 85 7 2
64 32 236 9.2 81 7 3
65 NA 101 10.9 84 7 4
66 64 175 4.6 83 7 5
67 40 314 10.9 83 7 6
68 77 276 5.1 88 7 7
69 97 267 6.3 92 7 8
70 97 272 5.7 92 7 9
71 85 175 7.4 89 7 10
72 NA 139 8.6 82 7 11
73 10 264 14.3 73 7 12
74 27 175 14.9 81 7 13
75 NA 291 14.9 91 7 14
76 7 48 14.3 80 7 15
77 48 260 6.9 81 7 16
78 35 274 10.3 82 7 17
79 61 285 6.3 84 7 18
80 79 187 5.1 87 7 19
81 63 220 11.5 85 7 20
82 16 7 6.9 74 7 21
83 NA 258 9.7 81 7 22
84 NA 295 11.5 82 7 23
85 80 294 8.6 86 7 24
86 108 223 8.0 85 7 25
87 20 81 8.6 82 7 26
88 52 82 12.0 86 7 27
89 82 213 7.4 88 7 28
90 50 275 7.4 86 7 29
91 64 253 7.4 83 7 30
92 59 254 9.2 81 7 31
93 39 83 6.9 81 8 1
94 9 24 13.8 81 8 2
95 16 77 7.4 82 8 3
96 78 NA 6.9 86 8 4
97 35 NA 7.4 85 8 5
98 66 NA 4.6 87 8 6
99 122 255 4.0 89 8 7
100 89 229 10.3 90 8 8
101 110 207 8.0 90 8 9
102 NA 222 8.6 92 8 10
103 NA 137 11.5 86 8 11
104 44 192 11.5 86 8 12
105 28 273 11.5 82 8 13
106 65 157 9.7 80 8 14
107 NA 64 11.5 79 8 15
108 22 71 10.3 77 8 16
109 59 51 6.3 79 8 17
110 23 115 7.4 76 8 18
111 31 244 10.9 78 8 19
112 44 190 10.3 78 8 20
113 21 259 15.5 77 8 21
114 9 36 14.3 72 8 22
115 NA 255 12.6 75 8 23
116 45 212 9.7 79 8 24
117 168 238 3.4 81 8 25
118 73 215 8.0 86 8 26
119 NA 153 5.7 88 8 27
120 76 203 9.7 97 8 28
121 118 225 2.3 94 8 29
122 84 237 6.3 96 8 30
123 85 188 6.3 94 8 31
124 96 167 6.9 91 9 1
125 78 197 5.1 92 9 2
126 73 183 2.8 93 9 3
127 91 189 4.6 93 9 4
128 47 95 7.4 87 9 5
129 32 92 15.5 84 9 6
130 20 252 10.9 80 9 7
131 23 220 10.3 78 9 8
132 21 230 10.9 75 9 9
133 24 259 9.7 73 9 10
134 44 236 14.9 81 9 11
135 21 259 15.5 76 9 12
136 28 238 6.3 77 9 13
137 9 24 10.9 71 9 14
138 13 112 11.5 71 9 15
139 46 237 6.9 78 9 16
140 18 224 13.8 67 9 17
141 13 27 10.3 76 9 18
142 24 238 10.3 68 9 19
143 16 201 8.0 82 9 20
144 13 238 12.6 64 9 21
145 23 14 9.2 71 9 22
146 36 139 10.3 81 9 23
147 7 49 10.3 69 9 24
148 14 20 16.6 63 9 25
149 30 193 6.9 70 9 26
150 NA 145 13.2 77 9 27
151 14 191 14.3 75 9 28
152 18 131 8.0 76 9 29
153 20 223 11.5 68 9 30
#现在想要在数据基础上加一列数据（ID：153*1的矩阵）
> ID <- c(1:153)
> data1 <- cbind(airquality,ID)
> data1 #加入后的结果
ozone solar.r wind temp month day ID
1 41 190 7.4 67 5 1 1
2 36 118 8.0 72 5 2 2
3 12 149 12.6 74 5 3 3
4 18 313 11.5 62 5 4 4
5 NA NA 14.3 56 5 5 5
6 28 NA 14.9 66 5 6 6
7 23 299 8.6 65 5 7 7
8 19 99 13.8 59 5 8 8
9 8 19 20.1 61 5 9 9
10 NA 194 8.6 69 5 10 10
11 7 NA 6.9 74 5 11 11
12 16 256 9.7 69 5 12 12
13 11 290 9.2 66 5 13 13
14 14 274 10.9 68 5 14 14
15 18 65 13.2 58 5 15 15
16 14 334 11.5 64 5 16 16
17 34 307 12.0 66 5 17 17
18 6 78 18.4 57 5 18 18
19 30 322 11.5 68 5 19 19
20 11 44 9.7 62 5 20 20
21 1 8 9.7 59 5 21 21
22 11 320 16.6 73 5 22 22
23 4 25 9.7 61 5 23 23
24 32 92 12.0 61 5 24 24
25 NA 66 16.6 57 5 25 25
26 NA 266 14.9 58 5 26 26
27 NA NA 8.0 57 5 27 27
28 23 13 12.0 67 5 28 28
29 45 252 14.9 81 5 29 29
30 115 223 5.7 79 5 30 30
31 37 279 7.4 76 5 31 31
32 NA 286 8.6 78 6 1 32
33 NA 287 9.7 74 6 2 33
34 NA 242 16.1 67 6 3 34
35 NA 186 9.2 84 6 4 35
36 NA 220 8.6 85 6 5 36
37 NA 264 14.3 79 6 6 37
38 29 127 9.7 82 6 7 38
39 NA 273 6.9 87 6 8 39
40 71 291 13.8 90 6 9 40
41 39 323 11.5 87 6 10 41
42 NA 259 10.9 93 6 11 42
43 NA 250 9.2 92 6 12 43
44 23 148 8.0 82 6 13 44
45 NA 332 13.8 80 6 14 45
46 NA 322 11.5 79 6 15 46
47 21 191 14.9 77 6 16 47
48 37 284 20.7 72 6 17 48
49 20 37 9.2 65 6 18 49
50 12 120 11.5 73 6 19 50
51 13 137 10.3 76 6 20 51
52 NA 150 6.3 77 6 21 52
53 NA 59 1.7 76 6 22 53
54 NA 91 4.6 76 6 23 54
55 NA 250 6.3 76 6 24 55
56 NA 135 8.0 75 6 25 56
57 NA 127 8.0 78 6 26 57
58 NA 47 10.3 73 6 27 58
59 NA 98 11.5 80 6 28 59
60 NA 31 14.9 77 6 29 60
61 NA 138 8.0 83 6 30 61
62 135 269 4.1 84 7 1 62
63 49 248 9.2 85 7 2 63
64 32 236 9.2 81 7 3 64
65 NA 101 10.9 84 7 4 65
66 64 175 4.6 83 7 5 66
67 40 314 10.9 83 7 6 67
68 77 276 5.1 88 7 7 68
69 97 267 6.3 92 7 8 69
70 97 272 5.7 92 7 9 70
71 85 175 7.4 89 7 10 71
72 NA 139 8.6 82 7 11 72
73 10 264 14.3 73 7 12 73
74 27 175 14.9 81 7 13 74
75 NA 291 14.9 91 7 14 75
76 7 48 14.3 80 7 15 76
77 48 260 6.9 81 7 16 77
78 35 274 10.3 82 7 17 78
79 61 285 6.3 84 7 18 79
80 79 187 5.1 87 7 19 80
81 63 220 11.5 85 7 20 81
82 16 7 6.9 74 7 21 82
83 NA 258 9.7 81 7 22 83
84 NA 295 11.5 82 7 23 84
85 80 294 8.6 86 7 24 85
86 108 223 8.0 85 7 25 86
87 20 81 8.6 82 7 26 87
88 52 82 12.0 86 7 27 88
89 82 213 7.4 88 7 28 89
90 50 275 7.4 86 7 29 90
91 64 253 7.4 83 7 30 91
92 59 254 9.2 81 7 31 92
93 39 83 6.9 81 8 1 93
94 9 24 13.8 81 8 2 94
95 16 77 7.4 82 8 3 95
96 78 NA 6.9 86 8 4 96
97 35 NA 7.4 85 8 5 97
98 66 NA 4.6 87 8 6 98
99 122 255 4.0 89 8 7 99
100 89 229 10.3 90 8 8 100
101 110 207 8.0 90 8 9 101
102 NA 222 8.6 92 8 10 102
103 NA 137 11.5 86 8 11 103
104 44 192 11.5 86 8 12 104
105 28 273 11.5 82 8 13 105
106 65 157 9.7 80 8 14 106
107 NA 64 11.5 79 8 15 107
108 22 71 10.3 77 8 16 108
109 59 51 6.3 79 8 17 109
110 23 115 7.4 76 8 18 110
111 31 244 10.9 78 8 19 111
112 44 190 10.3 78 8 20 112
113 21 259 15.5 77 8 21 113
114 9 36 14.3 72 8 22 114
115 NA 255 12.6 75 8 23 115
116 45 212 9.7 79 8 24 116
117 168 238 3.4 81 8 25 117
118 73 215 8.0 86 8 26 118
119 NA 153 5.7 88 8 27 119
120 76 203 9.7 97 8 28 120
121 118 225 2.3 94 8 29 121
122 84 237 6.3 96 8 30 122
123 85 188 6.3 94 8 31 123
124 96 167 6.9 91 9 1 124
125 78 197 5.1 92 9 2 125
126 73 183 2.8 93 9 3 126
127 91 189 4.6 93 9 4 127
128 47 95 7.4 87 9 5 128
129 32 92 15.5 84 9 6 129
130 20 252 10.9 80 9 7 130
131 23 220 10.3 78 9 8 131
132 21 230 10.9 75 9 9 132
133 24 259 9.7 73 9 10 133
134 44 236 14.9 81 9 11 134
135 21 259 15.5 76 9 12 135
136 28 238 6.3 77 9 13 136
137 9 24 10.9 71 9 14 137
138 13 112 11.5 71 9 15 138
139 46 237 6.9 78 9 16 139
140 18 224 13.8 67 9 17 140
141 13 27 10.3 76 9 18 141
142 24 238 10.3 68 9 19 142
[ reached 'max' / getOption("max.print") -- omitted 11 rows ]
#假设现在想要在以上基础上再加入一行数据（d143：1*6的矩阵）
> d143 <- c(100,233,4.2,34,9,20,143)
> data2 <- rbind(airquality,d143)
> data2 #加入后的结果
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
7 23 299 8.6 65 5 7
8 19 99 13.8 59 5 8
9 8 19 20.1 61 5 9
10 NA 194 8.6 69 5 10
11 7 NA 6.9 74 5 11
12 16 256 9.7 69 5 12
13 11 290 9.2 66 5 13
14 14 274 10.9 68 5 14
15 18 65 13.2 58 5 15
16 14 334 11.5 64 5 16
17 34 307 12.0 66 5 17
18 6 78 18.4 57 5 18
19 30 322 11.5 68 5 19
20 11 44 9.7 62 5 20
21 1 8 9.7 59 5 21
22 11 320 16.6 73 5 22
23 4 25 9.7 61 5 23
24 32 92 12.0 61 5 24
25 NA 66 16.6 57 5 25
26 NA 266 14.9 58 5 26
27 NA NA 8.0 57 5 27
28 23 13 12.0 67 5 28
29 45 252 14.9 81 5 29
30 115 223 5.7 79 5 30
31 37 279 7.4 76 5 31
32 NA 286 8.6 78 6 1
33 NA 287 9.7 74 6 2
34 NA 242 16.1 67 6 3
35 NA 186 9.2 84 6 4
36 NA 220 8.6 85 6 5
37 NA 264 14.3 79 6 6
38 29 127 9.7 82 6 7
39 NA 273 6.9 87 6 8
40 71 291 13.8 90 6 9
41 39 323 11.5 87 6 10
42 NA 259 10.9 93 6 11
43 NA 250 9.2 92 6 12
44 23 148 8.0 82 6 13
45 NA 332 13.8 80 6 14
46 NA 322 11.5 79 6 15
47 21 191 14.9 77 6 16
48 37 284 20.7 72 6 17
49 20 37 9.2 65 6 18
50 12 120 11.5 73 6 19
51 13 137 10.3 76 6 20
52 NA 150 6.3 77 6 21
53 NA 59 1.7 76 6 22
54 NA 91 4.6 76 6 23
55 NA 250 6.3 76 6 24
56 NA 135 8.0 75 6 25
57 NA 127 8.0 78 6 26
58 NA 47 10.3 73 6 27
59 NA 98 11.5 80 6 28
60 NA 31 14.9 77 6 29
61 NA 138 8.0 83 6 30
62 135 269 4.1 84 7 1
63 49 248 9.2 85 7 2
64 32 236 9.2 81 7 3
65 NA 101 10.9 84 7 4
66 64 175 4.6 83 7 5
67 40 314 10.9 83 7 6
68 77 276 5.1 88 7 7
69 97 267 6.3 92 7 8
70 97 272 5.7 92 7 9
71 85 175 7.4 89 7 10
72 NA 139 8.6 82 7 11
73 10 264 14.3 73 7 12
74 27 175 14.9 81 7 13
75 NA 291 14.9 91 7 14
76 7 48 14.3 80 7 15
77 48 260 6.9 81 7 16
78 35 274 10.3 82 7 17
79 61 285 6.3 84 7 18
80 79 187 5.1 87 7 19
81 63 220 11.5 85 7 20
82 16 7 6.9 74 7 21
83 NA 258 9.7 81 7 22
84 NA 295 11.5 82 7 23
85 80 294 8.6 86 7 24
86 108 223 8.0 85 7 25
87 20 81 8.6 82 7 26
88 52 82 12.0 86 7 27
89 82 213 7.4 88 7 28
90 50 275 7.4 86 7 29
91 64 253 7.4 83 7 30
92 59 254 9.2 81 7 31
93 39 83 6.9 81 8 1
94 9 24 13.8 81 8 2
95 16 77 7.4 82 8 3
96 78 NA 6.9 86 8 4
97 35 NA 7.4 85 8 5
98 66 NA 4.6 87 8 6
99 122 255 4.0 89 8 7
100 89 229 10.3 90 8 8
101 110 207 8.0 90 8 9
102 NA 222 8.6 92 8 10
103 NA 137 11.5 86 8 11
104 44 192 11.5 86 8 12
105 28 273 11.5 82 8 13
106 65 157 9.7 80 8 14
107 NA 64 11.5 79 8 15
108 22 71 10.3 77 8 16
109 59 51 6.3 79 8 17
110 23 115 7.4 76 8 18
111 31 244 10.9 78 8 19
112 44 190 10.3 78 8 20
113 21 259 15.5 77 8 21
114 9 36 14.3 72 8 22
115 NA 255 12.6 75 8 23
116 45 212 9.7 79 8 24
117 168 238 3.4 81 8 25
118 73 215 8.0 86 8 26
119 NA 153 5.7 88 8 27
120 76 203 9.7 97 8 28
121 118 225 2.3 94 8 29
122 84 237 6.3 96 8 30
123 85 188 6.3 94 8 31
124 96 167 6.9 91 9 1
125 78 197 5.1 92 9 2
126 73 183 2.8 93 9 3
127 91 189 4.6 93 9 4
128 47 95 7.4 87 9 5
129 32 92 15.5 84 9 6
130 20 252 10.9 80 9 7
131 23 220 10.3 78 9 8
132 21 230 10.9 75 9 9
133 24 259 9.7 73 9 10
134 44 236 14.9 81 9 11
135 21 259 15.5 76 9 12
136 28 238 6.3 77 9 13
137 9 24 10.9 71 9 14
138 13 112 11.5 71 9 15
139 46 237 6.9 78 9 16
140 18 224 13.8 67 9 17
141 13 27 10.3 76 9 18
142 24 238 10.3 68 9 19
143 16 201 8.0 82 9 20
144 13 238 12.6 64 9 21
145 23 14 9.2 71 9 22
146 36 139 10.3 81 9 23
147 7 49 10.3 69 9 24
148 14 20 16.6 63 9 25
149 30 193 6.9 70 9 26
150 NA 145 13.2 77 9 27
151 14 191 14.3 75 9 28
152 18 131 8.0 76 9 29
153 20 223 11.5 68 9 30
154 100 233 4.2 34 9 20

二、merge函数

定义：Merge two data frames by common columns or row names

参数：merge(x, y, by = intersect(names(x), names(y)),
by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
incomparables = NULL, ...)

x,y:要合并的数据框

by，by.x，by.y：指定依据什么合并数据框，默认为相同colname的列

all，all.x，all.y：指定x和y的行是否应该全部输出

sort by：by后指定的列是否排序

suffixes：指定不用于合并的列中拥有相同列名的后缀

incomparables：指定合并的列中，哪些值不需要进行合并（NULL or NA or 其他）

个人理解：当两个数据框有相同的观测量（rowname或colname相同），但观测量下的观测值不同时，使用merge函数进行合并。通过“by=观测因子”，得到共有的观测值对应的其他观测量。

#我们先构建两组数据框x和y，已知某人的ID、班级、平均分、最高分
> x <- data.frame(ID=1:5,class=c("一班","二班","二班","一班","二班"),mean= c(45,56,34,45,78))
> x
ID class mean
1 1 一班 45
2 2 二班 56
3 3 二班 34
4 4 一班 45
5 5 二班 78
> y <- data.frame(ID=4:8,class=c("一班","二班","一班","一班","二班"),max= c(49,68,50,65,90))
> y
ID class max
1 4 一班 49
2 5 二班 68
3 6 一班 50
4 7 一班 65
5 8 二班 90
#合并class ？？？？？？谁能和我解释一下，我不理解这个结果
> d1<-merge(x,y,by="class")
> d1
class ID.x mean ID.y max
1 二班 2 56 5 68
2 二班 2 56 8 90
3 二班 3 34 5 68
4 二班 3 34 8 90
5 二班 5 78 5 68
6 二班 5 78 8 90
7 一班 1 45 4 49
8 一班 1 45 6 50
9 一班 1 45 7 65
10 一班 4 45 4 49
11 一班 4 45 6 50
12 一班 4 45 7 65
#合并ID
> d2<-merge(x,y,by="ID")
> d2
ID class.x mean class.y max
1 4 一班 45 一班 49
2 5 二班 78 二班 68
> d3<-merge(x,y,by=c("class","ID"))
#合并class与ID
> d3
class ID mean max
1 二班 5 78 68
2 一班 4 45 49

> x <- data.frame(ID=1:5,name=c("lily","sam","lucy","sorcha","jeremy"),mean= c(45,56,34,45,78))
> y <- data.frame(ID=2:6,name=c("sam","lucy","sorcha","jeremy","jane"),class= c("二班","一班","一班","二班","二班"))
> x
ID name mean
1 1 lily 45
2 2 sam 56
3 3 lucy 34
4 4 sorcha 45
5 5 jeremy 78
> y
ID name class
1 2 sam 二班
2 3 lucy 一班
3 4 sorcha 一班
4 5 jeremy 二班
5 6 jane 二班
> d1<-merge(x,y,by="ID")
> d1
ID name.x mean name.y class
1 2 sam 56 sam 二班
2 3 lucy 34 lucy 一班
3 4 sorcha 45 sorcha 一班
4 5 jeremy 78 jeremy 二班
> d1<-merge(x,y,by="ID",suffixes=c("1","2"))
> d1
ID name1 mean name2 class
1 2 sam 56 sam 二班
2 3 lucy 34 lucy 一班
3 4 sorcha 45 sorcha 一班
4 5 jeremy 78 jeremy 二班
> d2<-merge(x,y,by=c("ID","name"))
> d2
ID name mean class
1 2 sam 56 二班
2 3 lucy 34 一班
3 4 sorcha 45 一班
4 5 jeremy 78 二班
> d3<-merge(x,y,by="class") ？？？？？？？这里谁能解释一下，上一组数据的class就可以作为合并项，这组为什么不能？
Error in fix.by(by.x, x) : 'by'必需指定唯一有效的列

三、reshape2包

help(package="reshape2")

学新通

melt函数

melt(data, ..., na.rm = FALSE, value.name = "value")

将宽数据变成长数据（数据融合）

用R自带的airquality数据演示
> 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
#宽数据变成长数据
> head(melt(airquality))
No id variables; using all as measure variables
variable value
1 ozone 41
2 ozone 36
3 ozone 12
4 ozone 18
5 ozone NA
6 ozone 28
#指定不合并的列，将month和day作为索引
> head(melt(airquality,id.vars = 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 28

dcast、acast函数

将融合后的数据输出，类似数据透视表

dcast(data,formula,fun.aggregate = NULL,...,margins = NULL,subset = NULL, fill = NULL,drop = TRUE,value.var = guess_value(data))

acast(data,formula,fun.aggregate = NULL,...,margins = NULL,subset = NULL, fill = NULL,drop = TRUE,value.var = guess_value(data)

data   molten data frame

formula casting formula（计算公式）

fun.aggregate   aggregation function needed if variables do not identify a single observation for each output cell.

... further arguments are passed to aggregating function

margins vector of variable names (can include "grand\_col" and "grand\_row") to compute margins for, or TRUE to compute all margins . Any variables that can not be margined over will be silently dropped.

subset   quoted expression used to subset data prior to reshaping, e.g. subset = .(variable=="length").

fill value with which to fill in structural missings, defaults to value from applying fun.aggregate to 0 length vector

drop should missing combinations dropped or kept?

value.var name of column which stores values, see guess_value for default strategies to figure this out.

aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)
> head(aqm)
month day variable value
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
> aqw <- acast(aqm, day ~ month ~ variable)
> aqw
, , ozone
5 6 7 8 9
1 41 NA 135 39 96
2 36 NA 49 9 78
3 12 NA 32 16 73
4 18 NA NA 78 91
5 NA NA 64 35 47
6 28 NA 40 66 32
7 23 29 77 122 20
8 19 NA 97 89 23
9 8 71 97 110 21
10 NA 39 85 NA 24
11 7 NA NA NA 44
12 16 NA 10 44 21
13 11 23 27 28 28
14 14 NA NA 65 9
15 18 NA 7 NA 13
16 14 21 48 22 46
17 34 37 35 59 18
18 6 20 61 23 13
19 30 12 79 31 24
20 11 13 63 44 16
21 1 NA 16 21 13
22 11 NA NA 9 23
23 4 NA NA NA 36
24 32 NA 80 45 7
25 NA NA 108 168 14
26 NA NA 20 73 30
27 NA NA 52 NA NA
28 23 NA 82 76 14
29 45 NA 50 118 18
30 115 NA 64 84 20
31 37 NA 59 85 NA
, , solar.r
5 6 7 8 9
1 190 286 269 83 167
2 118 287 248 24 197
3 149 242 236 77 183
4 313 186 101 NA 189
5 NA 220 175 NA 95
6 NA 264 314 NA 92
7 299 127 276 255 252
8 99 273 267 229 220
9 19 291 272 207 230
10 194 323 175 222 259
11 NA 259 139 137 236
12 256 250 264 192 259
13 290 148 175 273 238
14 274 332 291 157 24
15 65 322 48 64 112
16 334 191 260 71 237
17 307 284 274 51 224
18 78 37 285 115 27
19 322 120 187 244 238
20 44 137 220 190 201
21 8 150 7 259 238
22 320 59 258 36 14
23 25 91 295 255 139
24 92 250 294 212 49
25 66 135 223 238 20
26 266 127 81 215 193
27 NA 47 82 153 145
28 13 98 213 203 191
29 252 31 275 225 131
30 223 138 253 237 223
31 279 NA 254 188 NA
, , wind
5 6 7 8 9
1 7.4 8.6 4.1 6.9 6.9
2 8.0 9.7 9.2 13.8 5.1
3 12.6 16.1 9.2 7.4 2.8
4 11.5 9.2 10.9 6.9 4.6
5 14.3 8.6 4.6 7.4 7.4
6 14.9 14.3 10.9 4.6 15.5
7 8.6 9.7 5.1 4.0 10.9
8 13.8 6.9 6.3 10.3 10.3
9 20.1 13.8 5.7 8.0 10.9
10 8.6 11.5 7.4 8.6 9.7
11 6.9 10.9 8.6 11.5 14.9
12 9.7 9.2 14.3 11.5 15.5
13 9.2 8.0 14.9 11.5 6.3
14 10.9 13.8 14.9 9.7 10.9
15 13.2 11.5 14.3 11.5 11.5
16 11.5 14.9 6.9 10.3 6.9
17 12.0 20.7 10.3 6.3 13.8
18 18.4 9.2 6.3 7.4 10.3
19 11.5 11.5 5.1 10.9 10.3
20 9.7 10.3 11.5 10.3 8.0
21 9.7 6.3 6.9 15.5 12.6
22 16.6 1.7 9.7 14.3 9.2
23 9.7 4.6 11.5 12.6 10.3
24 12.0 6.3 8.6 9.7 10.3
25 16.6 8.0 8.0 3.4 16.6
26 14.9 8.0 8.6 8.0 6.9
27 8.0 10.3 12.0 5.7 13.2
28 12.0 11.5 7.4 9.7 14.3
29 14.9 14.9 7.4 2.3 8.0
30 5.7 8.0 7.4 6.3 11.5
31 7.4 NA 9.2 6.3 NA
, , temp
5 6 7 8 9
1 67 78 84 81 91
2 72 74 85 81 92
3 74 67 81 82 93
4 62 84 84 86 93
5 56 85 83 85 87
6 66 79 83 87 84
7 65 82 88 89 80
8 59 87 92 90 78
9 61 90 92 90 75
10 69 87 89 92 73
11 74 93 82 86 81
12 69 92 73 86 76
13 66 82 81 82 77
14 68 80 91 80 71
15 58 79 80 79 71
16 64 77 81 77 78
17 66 72 82 79 67
18 57 65 84 76 76
19 68 73 87 78 68
20 62 76 85 78 82
21 59 77 74 77 64
22 73 76 81 72 71
23 61 76 82 75 81
24 61 76 86 79 69
25 57 75 85 81 63
26 58 78 82 86 70
27 57 73 86 88 77
28 67 80 88 97 75
29 81 77 86 94 76
30 79 83 83 96 68
31 76 NA 81 94 NA

> acast(aqm, month ~ variable, sum, margins = TRUE)
ozone solar.r wind temp (all)
5 614 4895 360.3 2032 7901.3
6 265 5705 308.0 2373 8651.0
7 1537 6711 277.2 2601 11126.2
8 1559 4812 272.6 2603 9246.6
9 912 5023 305.4 2307 8547.4
(all) 4887 27146 1523.5 11916 45472.5

这篇好文章是转载于：学新通技术网

R语言入门23-数据处理:reshape2包

一、rbind与cbind函数

二、merge函数

三、reshape2包

melt函数

dcast、acast函数

photoshop保存的图片太大微信发不了怎么办

《学习通》视频自动暂停处理方法

Android 11 保存文件到外部存储，并分享文件

word里面弄一个表格后上面的标题会跑到下面怎么办

photoshop扩展功能面板显示灰色怎么办

微信公众号没有声音提示怎么办

excel下划线不显示怎么办

excel打印预览压线压字怎么办

TikTok加速器哪个好免费的TK加速器推荐

怎样阻止微信小程序自动打开

data	molten data frame
formula	casting formula（计算公式）
fun.aggregate	aggregation function needed if variables do not identify a single observation for each output cell.
...	further arguments are passed to aggregating function
margins	vector of variable names (can include "grand\_col" and "grand\_row") to compute margins for, or TRUE to compute all margins . Any variables that can not be margined over will be silently dropped.
subset	quoted expression used to subset data prior to reshaping, e.g. subset = .(variable=="length").
fill	value with which to fill in structural missings, defaults to value from applying fun.aggregate to 0 length vector
drop	should missing combinations dropped or kept?
value.var	name of column which stores values, see guess_value for default strategies to figure this out.