R重塑数据从长到宽，反之亦然

Question

我为 cast 和 melt 编写了两个包装函数来将我的数据从 long 到宽形式，反之亦然。但是，我仍然在使用该功能 reshape_wide 将数据从长格式转换为宽格式。

这是我的示例函数以及运行它的代码。我在宽范围内创建了一个虚拟 data.frame 我使用 reshape_long 函数将其重塑为长格式，然后使用 reshape_wide 函数将其转换回原始宽格式。但是，由于我无法理解的原因，重塑失败了。看来dcast的公式是错误的。

reshape_long <- function(data, identifiers) {
    data_long <- melt(data, id.vars = identifiers, 
                            variable.name="name", value.name="value")
    data_long$value <- as.numeric(data_long$value)
    data_long <- data_long[!is.na(data_long$value), ]
    return(data_long)
}

reshape_wide <- function(data, identifiers, name) {
    if(is.null(identifiers)) {
        formula_wide <- as.formula(paste(paste(identifiers,collapse="+"), 
                                   "series ~ ", name))      
    } else {
        formula_wide <- as.formula(paste(paste(identifiers,collapse="+"), 
                                   "+ series ~ ", name))
    }
    series <- ave(1:nrow(data), data$name, FUN=function(x) { seq.int(along=x) }) 
    data <- cbind(data, series) 
    data_wide <- dcast(data, formula_wide, value.var="value")
    data_wide <- data_wide[,!(names(data_wide) %in% "series")]
    return(data_wide)
}


data <- data.frame(ID = rep("K", 6), Type = c(rep("A", 3), rep("B", 3)),
                   X = c(NA,NA,1,2,3,4), Y = 5:10, Z = c(NA,11,12,NA,14,NA))
data <- reshape_long(data, identifiers = c("ID", "Type"))
data
reshape_wide(data, identifiers = c("ID", "Type"), name="name")

当我运行上面的代码时，这是一个指向我的 R 输出的链接：

http://pastebin.com/ej8F9GnL

问题在于 B 列中出现了 5 次而不是应有的 3 次。 你得到相同的data.frame吗？

这是 sessionInfo() 的 R 输出

> sessionInfo()
R version 2.14.0 (2011-10-31)
Platform: x86_64-apple-darwin9.8.0/x86_64 (64-bit)

locale:
[1] C

attached base packages:
[1] grid      stats     graphics  grDevices utils     datasets  methods  
[8] base     

other attached packages:
 [1] reshape2_1.2.1       outliers_0.14        lme4_0.999375-42    
 [4] Matrix_1.0-1         gregmisc_2.1.2       gplots_2.10.1       
 [7] KernSmooth_2.23-7    caTools_1.12         bitops_1.0-4.1      
[10] gtools_2.6.2         gmodels_2.15.1       gdata_2.8.2         
[13] lattice_0.20-0       dataframes2xls_0.4.5 RankProd_2.26.0     
[16] R.utils_1.9.3        R.oo_1.8.3           R.methodsS3_1.2.1   
[19] xlsx_0.3.0           xlsxjars_0.3.0       rJava_0.9-2         
[22] rj_1.0.0-3          

loaded via a namespace (and not attached):
[1] MASS_7.3-16   nlme_3.1-102  plyr_1.6      rj.gd_1.0.0-1 stats4_2.14.0
[6] stringr_0.5   tools_2.14.0 

Answer 1

该示例无法运行： 因为 ID 和 Type 不构成主键 （即，由于有几行具有相同的 id 和类型）， 当数据以高格式放置时，您不再知道 如果两个值来自同一行。

另外，我不确定您要如何处理您的 series 列， 但它似乎不起作用。

library(reshape2)
d <- data.frame(
  ID = rep("K", 6), 
  Type = c(rep("A", 3), rep("B", 3)),
  X = c(NA,NA,1,2,3,4), 
  Y = 5:10, 
  Z = c(NA,11,12,NA,14,NA)
)
d$row <- seq_len(nrow(d))  # (row,ID,Type) is now a primary key
d
d1 <- reshape_long(d, identifiers = c("row", "ID", "Type"))
d1
dcast(d1, row + ID + Type ~ name) # Probably what you want
reshape_wide(d1, identifiers = c("row", "ID", "Type"), name="name")

Answer 2

问题可能出在这里：

series <- ave(1:nrow(data), data$name, FUN=function(x) { seq.int(along=x) }) 

应该改掉在函数中使用“$”的习惯，因为它不会解释传递的值。使用 "[[" 并且不要引用参数：

series <- ave(1:nrow(data), data[[name]], FUN=function(x) { seq.int(along=x) }) 

在此示例中，它不会产生影响，因为 name == "name"，但如果您尝试将它与 name 的任何其他值一起使用，它将失败。