如何将数据从长格式重塑为宽格式答案

【问题标题】：How to reshape data from long to wide format如何将数据从长格式重塑为宽格式
【发布时间】：2022-01-11 03:44:19
【问题描述】：

我在重新排列以下数据框时遇到问题：

set.seed(45)
dat1 <- data.frame(
    name = rep(c("firstName", "secondName"), each=4),
    numbers = rep(1:4, 2),
    value = rnorm(8)
    )

dat1
       name  numbers      value
1  firstName       1  0.3407997
2  firstName       2 -0.7033403
3  firstName       3 -0.3795377
4  firstName       4 -0.7460474
5 secondName       1 -0.8981073
6 secondName       2 -0.3347941
7 secondName       3 -0.5013782
8 secondName       4 -0.1745357

我想重塑它，使每个唯一的“名称”变量都是一个行名，其中“值”作为沿该行的观察值，而“数字”作为列名。有点像这样：

     name          1          2          3         4
1  firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
5 secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

我查看了 melt 和 cast 以及其他一些东西，但似乎没有一个能胜任。

【问题讨论】：

Reshape three column data frame to matrix 的可能重复项
@Frank：这是一个更好的标题。 long-form 和 wide-form 是使用的标准术语。通过搜索这些术语无法找到其他答案。
可以在链接的问题中找到更规范的答案，现在名称为Reshape three column data frame to matrix ("long" to "wide" format)。在我看来，最好将这个作为副本关闭。
另一个问题只有一个答案和很多选项这一事实并不一定比这更好；这也有很多选择，但有几个答案。此外，重复的定义是“这个问题已经在这里有答案”（带有指向另一个早先提出的问题的链接）。

标签： r reshape r-faq

【解决方案1】：

您可以使用 reshape() 函数或 reshape 包中的 melt() / cast() 函数来执行此操作。对于第二个选项，示例代码是

library(reshape)
cast(dat1, name ~ numbers)

或使用reshape2

library(reshape2)
dcast(dat1, name ~ numbers)

【讨论】：

值得注意的是，如果您没有明确的“值”列，则仅使用cast 或dcast 将无法正常工作。试试dat <- data.frame(id=c(1,1,2,2),blah=c(8,4,7,6),index=c(1,2,1,2)); dcast(dat, id ~ index); cast(dat, id ~ index)，你不会得到你所期望的。例如，您需要明确注意 value/value.var - cast(dat, id ~ index, value="blah") 和 dcast(dat, id ~ index, value.var="blah")。
请注意，reshape2 已被弃用，您应该将代码迁移到不再使用它。
@dpel 更乐观的说法是，reshape2 终于完成了，您现在可以使用它，而不必担心 Hadley 会再次更改它并破坏您的代码！

【解决方案2】：

使用您的示例数据框，我们可以：

xtabs(value ~ name + numbers, data = dat1)

【讨论】：

这个不错，但结果是格式表，可能不像data.frame或data.table那么容易处理，都有很多包

【解决方案3】：

使用reshape函数：

reshape(dat1, idvar = "name", timevar = "numbers", direction = "wide")

【讨论】：

+1 并且你不需要依赖外部包，因为reshape 带有stats。更不用说它更快了！ =)
@indra_patil - 我可能会使用 reshape2 包，如其他答案之一所示。您可以创建一个特定于您的用例的新问题，如果您无法弄清楚，请发布它。
reshape 是一个糟糕的函数 API 的杰出例子。它非常接近无用。
reshape cmets 和类似的参数名称并不是那么有用。但是，我发现从长到宽，您需要提供 data = 您的 data.frame，idvar = 标识您的组的变量，v.names = 将成为宽格式多列的变量，@ 987654330@ = 包含将以宽格式附加到 v.names、direction = wide 和 sep = "_" 的值的变量。够清楚吗？ ;)
我会说基础 R 仍然以大约 2 比 1 的比例赢得投票

【解决方案4】：

新的（2014 年）tidyr 包也很简单，gather()/spread() 是 melt/cast 的术语。

编辑：现在，在 2019 年，tidyr v 1.0 已经发布并将 spread 和 gather 设置为弃用路径，而不是 pivot_wider 和 pivot_longer，您可以找到描述in this answer。如果您想简要了解spread/gather 的短暂生活，请继续阅读。

library(tidyr)
spread(dat1, key = numbers, value = value)

来自github，

tidyr 是reshape2 的重构，旨在配合整洁的数据框架，并与magrittr 和dplyr 携手合作，构建可靠的数据分析管道。

正如reshape2 所做的小于重塑一样，tidyr 所做的小于reshape2。它是专门为整理数据而设计的，而不是像reshape2 所做的一般重塑，或者重塑所做的一般聚合。特别是，内置方法仅适用于数据帧，tidyr 不提供边距或聚合。

【讨论】：

只是想添加一个指向R Cookbook 页面的链接，该页面讨论了tidyr 和reshape2 中这些函数的使用。它提供了很好的例子和解释。

【解决方案5】：

其他两个选项：

基础包：

df <- unstack(dat1, form = value ~ numbers)
rownames(df) <- unique(dat1$name)
df

sqldf 包：

library(sqldf)
sqldf('SELECT name,
      MAX(CASE WHEN numbers = 1 THEN value ELSE NULL END) x1, 
      MAX(CASE WHEN numbers = 2 THEN value ELSE NULL END) x2,
      MAX(CASE WHEN numbers = 3 THEN value ELSE NULL END) x3,
      MAX(CASE WHEN numbers = 4 THEN value ELSE NULL END) x4
      FROM dat1
      GROUP BY name')

【讨论】：

可以这样设置查询，而不是硬编码数字：ValCol <- unique(dat1$numbers);s <- sprintf("MAX(CASE WHEN numbers = %s THEN value ELSE NULL END) `%s`,", ValCol, ValCol);mquerym <- gsub('.{1}$','',paste(s, collapse = "\n"));mquery <- paste("SELECT name,", mquerym, "FROM dat1", "GROUP BY name", sep = "\n");sqldf(mquery)

【解决方案6】：

如果性能受到关注，另一种选择是使用 data.table 扩展 reshape2 的 melt 和 dcast 函数

(Reference: Efficient reshaping using data.tables)

library(data.table)

setDT(dat1)
dcast(dat1, name ~ numbers, value.var = "value")

#          name          1          2         3         4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814

而且，从 data.table v1.9.6 开始，我们可以对多个列进行强制转换

## add an extra column
dat1[, value2 := value * 2]

## cast multiple value columns
dcast(dat1, name ~ numbers, value.var = c("value", "value2"))

#          name    value_1    value_2   value_3   value_4   value2_1   value2_2 value2_3  value2_4
# 1:  firstName  0.1836433 -0.8356286 1.5952808 0.3295078  0.3672866 -1.6712572 3.190562 0.6590155
# 2: secondName -0.8204684  0.4874291 0.7383247 0.5757814 -1.6409368  0.9748581 1.476649 1.1515627

【讨论】：

data.table 方法是最好的！非常有效...当name 是 30-40 列的组合时，您会看到差异！！
如果我想拿最大值怎么办？
@T.Fung 我不明白你在问什么。最好打开一个新问题？
@SymbolixAU 在 op 的问题 'name' 和 'numbers' 中是唯一的组合。如果它们不是并且我想在旋转后获取每个组合的最大值怎么办？如果问题太繁琐，也不是问题。只是思想的食物。谢谢。
很好的答案。谢谢你。对于多个列，我得到“.subset2(x, i, exact = exact) 中的错误”，并且可以通过强制使用 data.table dcast 来解决此问题：请参阅 stackoverflow.com/a/44271092/190791

【解决方案7】：

使用基础 R aggregate 函数：

aggregate(value ~ name, dat1, I)

# name           value.1  value.2  value.3  value.4
#1 firstName      0.4145  -0.4747   0.0659   -0.5024
#2 secondName    -0.8259   0.1669  -0.8962    0.1681

【讨论】：

【解决方案8】：

Win-Vector 的天才数据科学家（制作了 vtreat、seplyr 和 replyr 的人）推出了一个非常强大的新软件包，名为 cdata。它实现了this document 和blog post 中描述的“协调数据”原则。这个想法是，无论您如何组织数据，都应该可以使用“数据坐标”系统识别单个数据点。以下是 John Mount 最近博客文章的摘录：

整个系统基于两个原语或运算符 cdata::moveValuesToRowsD() 和 cdata::moveValuesToColumnsD()。这些运算符具有枢轴、非枢轴、单热编码、转置、移动多行和多列，以及许多其他简单特殊的转换案例。

很容易编写许多不同的操作 cdata 原语。这些运算符可以在内存或大数据中工作规模（使用数据库和 Apache Spark；对于大数据，使用 cdata::moveValuesToRowsN() 和 cdata::moveValuesToColumnsN() 变体）。转换由控制表控制，该控制表本身就是变换的图表（或图片）。

我们将首先构建控制表（详见blog post），然后执行数据从行到列的移动。

library(cdata)
# first build the control table
pivotControlTable <- buildPivotControlTableD(table = dat1, # reference to dataset
                        columnToTakeKeysFrom = 'numbers', # this will become column headers
                        columnToTakeValuesFrom = 'value', # this contains data
                        sep="_")                          # optional for making column names

# perform the move of data to columns
dat_wide <- moveValuesToColumnsD(tallTable =  dat1, # reference to dataset
                    keyColumns = c('name'),         # this(these) column(s) should stay untouched 
                    controlTable = pivotControlTable# control table above
                    ) 
dat_wide

#>         name  numbers_1  numbers_2  numbers_3  numbers_4
#> 1  firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
#> 2 secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

【讨论】：

【解决方案9】：

基本的reshape 函数运行良好：

df <- data.frame(
  year   = c(rep(2000, 12), rep(2001, 12)),
  month  = rep(1:12, 2),
  values = rnorm(24)
)
df_wide <- reshape(df, idvar="year", timevar="month", v.names="values", direction="wide", sep="_")
df_wide

在哪里

idvar 是分隔行的类列
timevar 是要广泛转换的类的列
v.names 是包含数值的列
direction 指定宽格式或长格式
可选的sep 参数是在timevar 类名和输出data.frame 中v.names 之间使用的分隔符。

如果不存在idvar，则在使用reshape()函数之前创建一个：

df$id   <- c(rep("year1", 12), rep("year2", 12))
df_wide <- reshape(df, idvar="id", timevar="month", v.names="values", direction="wide", sep="_")
df_wide

请记住idvar 是必需的！ timevar 和 v.names 部分很简单。这个函数的输出比其他一些函数的输出更容易预测，因为一切都是明确定义的。

【讨论】：

【解决方案10】：

在tidyr‘0.8.3.9000’ 的开发版本中，有pivot_wider 和pivot_longer，它们被概括为从1 列到多列的整形（分别为长-> 宽、宽-> 长）。使用 OP 的数据

-单列长->宽

library(dplyr)
library(tidyr)
dat1 %>% 
    pivot_wider(names_from = numbers, values_from = value)
# A tibble: 2 x 5
#  name          `1`    `2`    `3`    `4`
#  <fct>       <dbl>  <dbl>  <dbl>  <dbl>
#1 firstName   0.341 -0.703 -0.380 -0.746
#2 secondName -0.898 -0.335 -0.501 -0.175

-> 为显示功能创建了另一列

dat1 %>% 
    mutate(value2 = value * 2) %>% 
    pivot_wider(names_from = numbers, values_from = c("value", "value2"))
# A tibble: 2 x 9
#  name       value_1 value_2 value_3 value_4 value2_1 value2_2 value2_3 value2_4
#  <fct>        <dbl>   <dbl>   <dbl>   <dbl>    <dbl>    <dbl>    <dbl>    <dbl>
#1 firstName    0.341  -0.703  -0.380  -0.746    0.682   -1.41    -0.759   -1.49 
#2 secondName  -0.898  -0.335  -0.501  -0.175   -1.80    -0.670   -1.00    -0.349

【讨论】：

【解决方案11】：

更简单的方法！

devtools::install_github("yikeshu0611/onetree") #install onetree package

library(onetree)
widedata=reshape_toWide(data = dat1,id = "name",j = "numbers",value.var.prefix = "value")
widedata

        name     value1     value2     value3     value4
   firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
  secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

如果你想从宽变长，只需将宽变长，物体没有变化。

reshape_toLong(data = widedata,id = "name",j = "numbers",value.var.prefix = "value")

        name numbers      value
   firstName       1  0.3407997
  secondName       1 -0.8981073
   firstName       2 -0.7033403
  secondName       2 -0.3347941
   firstName       3 -0.3795377
  secondName       3 -0.5013782
   firstName       4 -0.7460474
  secondName       4 -0.1745357

【讨论】：

【解决方案12】：

仅使用 dplyr 和 map。

library(dplyr)
library(purrr)
set.seed(45)
dat1 <- data.frame(
  name = rep(c("firstName", "secondName"), each=4),
  numbers = rep(1:4, 2), value = rnorm(8)
)
longer_to_wider <- function(data, name_from, value_from){
  group <- colnames(data)[!(colnames(data) %in% c(name_from,value_from))]
  data %>% group_by(.data[[group]]) %>%
    summarise( name = list(.data[[name_from]]), 
               value = list(.data[[value_from]])) %>%
    {
      d <- data.frame(
        name = .[[name_from]] %>% unlist() %>% unique()
      )
      e <- map_dfc(.[[group]],function(x){
          y <- data_frame(
            x = data %>% filter(.data[[group]] == x) %>% pull(value_from)
          )
          colnames(y) <- x
          y
      })
      cbind(d,e)
    }
}
longer_to_wider(dat1, "name", "value")
#    name          1          2          3          4
# 1  firstName  0.3407997 -0.7033403 -0.3795377 -0.7460474
# 2 secondName -0.8981073 -0.3347941 -0.5013782 -0.1745357

【讨论】：