数据处理之—reshape2

reshape2是用来做数据处理的拓展包，它可以用来实现宽格式数据与长格式数据之间的互转。如果你熟悉结构化数据库查询，那你一定知道列转行与行转列，我这里所说的宽长数据之间互转与之类似；如果你不熟悉的也没关系，它很简单，接着往下看你就能很快熟悉并掌握了。首先我们通过一个数据集来解释什么是长宽数据。

宽格式数据?

该数据为我在数据类型及数据结构一文中用到的一个数据集，这里用来说明长宽数据格式的区别。 该数据集包括NBA明星球员的姓名，身高以及职业生涯最高分。这个数据集为典型的宽格式数据，即每一列为一个观测变量，每一行为变量对应的观测值。?

该数据为我在数据类型及数据结构一文中用到的一个数据集，该数据集包括NBA明星球员的姓名，身高以及职业生涯最高分。这个数据集为典型的宽格式数据，即每一列为一个观测变量，每一行为变量对应的观测值。?

长格式数据

长格式数据至少包含一列变量名称以及一列该变量名对应的取值，我们将nba数据集用reshape2中的melt函数进行长数据格式的转换，转换完成后可以看到数据还是三列，但是后两列的列名变了，variable 为包含变量名称的列，它包含先前数据集的两个列名height和score，value为NBA球员对应两个观测变量下的取值。这时我们就会发现数据由5行变成了10行，即由“宽”变“长”了，这便是所谓的长格式数据了。?

melt

melt是数据融合的意思，它做的工作其实就是把数据由“宽”转“长”。melt是一个泛型函数，与predict函数类似，predict函数可以根据不同的模型对象来产生不同模型下的预测值，melt则可以根据不同的数据结构，进行不同的数据融合操作。?

如果数据是array或者matrix，melt函数会将其索引拆分为不同的变量，其中的数值为索引对应的取值。?

如果matrix有行名和列名，melt函数会用行名和列名代替索引，如下：?

如果数据是是列表，melt函数会生成两列，一列为列表不同层级对应的名称，一列为该层级下的数据。

当列表存在多层嵌套时，melt函数会生成多列，前几列为层级名称，一级嵌套在前，层级缺失则会显示缺失值。

重点来了，我们知道在做数据操作的时候，用到的最多的数据结构是数据框，如果数据类型是数据框，melt函数该如何操作呢，melt函数中有很多对数据框进行操作的参数，其中id.vars是被当做维度的列变量，每个变量在结果中占一列；measure.vars是被当成观测值的列变量，它们的列变量名称和值分别组成variable和value两列，列变量名称用variable.name和value.name来指定。

我们用一个新的数据集来做说明，该数据集pgdat为NBA当红组织后卫库里,康利,保罗,沃尔,威少,欧文最近一个赛季的常规赛单场数据统计，数据如下：?

该数据包括了参赛场次,球员姓名，胜负关系，比分，上场时间，得分，篮板，助攻等数据。如果我们想要比较这几位组织后卫的得分，助攻数据，可以用 melt 将其转化为如下数据框：

有人会问 melt 以后的数据能干嘛，为什么要 melt，这就不得不提 Hadley 大神了，这位大神就职于 Rstudio，写了很多很牛的包，reshap2 只他写的众多包中的一个。他写的著名的包还有如 plyr 包以及之后的升级版 dplyr 都是致力于提高数据处理效率的，ggplot2 包以图层叠加的的方式实现数据可视化。最牛的是这些包是可以相互协作的。采用 reshape2 包中的 melt 函数能够使宽数据转成长数据，而长数据可以方便用 dplr 或者 dplyr 来做数据处理的操作，这些数据处理的结果又能很方便地用 ggplot2 定制统计图表。?例如，以上长数据就可以用 ggplot2 的绘图命令实现数据可视化:?

cast??

melt 是把宽数据转为长数据，当然也有函数可以将长数据转为宽数据，如 acast 以及 dcast。 acast 输出数组，dcast 输出数据框。公式的左边每个变量都会作为结果中的一列，而右边的变量被当成因子类型，每个水平都会在结果中产生一列。?可以采用如下命令将数据还原。

cast 函数的作用除了还原数据外，还可以对数据进行整合，采用 fun.aggregate自定义自己的函数就可以。事实上，melt 函数是为 cast 服务的，目的就是使用 cast 函数对数据进行整理和加工?。

最后，通过以上得到的场均数据来给文章收个尾，作为常规赛MVP的库里场均得分最高，但是助攻较少，这跟勇士队的战术体系有关，勇士由大前锋格林分担了一部分组织的工作；沃尔，保罗和威少在得分的同时拿到了10个左右的助攻数，很好地履行了组织后卫的职责，尤其是威少，要知道整个赛季下来维持场均得分20+助攻10+着实不易；欧文助攻数最少，他是一个天生的杀手，虽然组织确是其弱项，但在詹姆斯身边确实也无需他承担太多串联球队的任务，只要能够犀利地取分就好；最后就是康利了，他的得分和助攻都基本排在末座，但是不妨碍今年夏天拿到NBA史上最大的1.53亿合同，也是没谁了。

?本文来自№→★飞刀的微信公共帐号“数据挖掘与R语言”，用微信添加数据挖掘与R语言公众号，即可订阅。转载必须保留作者、公共帐号信息。

长按识别图中二维码?