最近我正在使用dplyr进行所有的数据操作，它是一个非常优秀的工具。然而，我无法使用dplyr来融合或铸造数据框。是否有任何方法可以做到这一点？目前我正在使用reshape2来实现这个目的。
我想要一个'dplyr'的解决方案：
require(reshape2)
data(iris)
dat <- melt(iris,id.vars="Species")
3个回答
78
reshape2 的后继者是 tidyr。 melt() 和 dcast() 的对应函数分别为 gather() 和 spread()。 对于您的代码，相应的操作如下：
library(tidyr)
data(iris)
dat <- gather(iris, variable, value, -Species)
如果您已经导入了
magrittr，您可以像在dplyr中一样使用管道操作符，即写成：dat <- iris %>% gather(variable, value, -Species)
请注意，与
melt() 不同，您需要明确指定变量和值名称。我发现 gather() 的语法非常方便，因为您只需指定要转换为长格式的列，或者通过在它们之前加上 '-'（就像上面的 Species 一样）来指定要保留在新数据框中的列，这比在 melt() 中更快捷。然而，我注意到至少在我的机器上，tidyr 可能比 reshape2 慢得多。
编辑 回复 @hadley 下面的评论，我发布了一些有关在我的 PC 上比较这两个函数的时间信息。
library(microbenchmark)
microbenchmark(
melt = melt(iris,id.vars="Species"),
gather = gather(iris, variable, value, -Species)
)
# Unit: microseconds
# expr min lq median uq max neval
# melt 278.829 290.7420 295.797 320.5730 389.626 100
# gather 536.974 552.2515 567.395 683.2515 1488.229 100
set.seed(1)
iris1 <- iris[sample(1:nrow(iris), 1e6, replace = T), ]
system.time(melt(iris1,id.vars="Species"))
# user system elapsed
# 0.012 0.024 0.036
system.time(gather(iris1, variable, value, -Species))
# user system elapsed
# 0.364 0.024 0.387
sessionInfo()
# R version 3.1.1 (2014-07-10)
# Platform: x86_64-pc-linux-gnu (64-bit)
#
# locale:
# [1] LC_CTYPE=en_GB.UTF-8 LC_NUMERIC=C
# [3] LC_TIME=en_GB.UTF-8 LC_COLLATE=en_GB.UTF-8
# [5] LC_MONETARY=en_GB.UTF-8 LC_MESSAGES=en_GB.UTF-8
# [7] LC_PAPER=en_GB.UTF-8 LC_NAME=C
# [9] LC_ADDRESS=C LC_TELEPHONE=C
# [11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C
# attached base packages:
# [1] stats graphics grDevices utils datasets methods base
#
# other attached packages:
# [1] reshape2_1.4 microbenchmark_1.3-0 magrittr_1.0.1
# [4] tidyr_0.1
#
# loaded via a namespace (and not attached):
# [1] assertthat_0.1 dplyr_0.2 parallel_3.1.1 plyr_1.8.1 Rcpp_0.11.2
# [6] stringr_0.6.2 tools_3.1.1
- konvas
6
由于基本上是相同的代码，因此它不应该明显变慢。如果您能提供一个可重现的示例，我很乐意查看。 - hadley
1@hadley 我发布了一些信息。我意识到这可能与代码无关，而是特定于我的系统。
system.time() 中的“user”部分似乎是造成差异的原因，尽管我不确定它代表什么，但我相信你会知道的 :) - konvas@hadley 对我来说，melt 比 gather 更快 --- 我会坚持使用它一段时间。 - apc
这真的很奇怪。我会看一下。 - hadley
4好的回答，干得好 Hadley，但只解决了问题的一半！提供一个展开的例子也是很好的。 - Louis Maddox
2作为对此答案的更新，从tidyr 1.0.0开始，gather()和spread()现在被称为pivot_longer()和pivot_wider()。尽管运行类似的基准测试显示melt仍然比gather或pivot_longer快（基于tidyR 1.1.4），但pivot_longer目前是这三个选项中最慢的。 - 2D1C
7
此外，可以使用
以下是示例：
tidyr::spread()进行转换。以下是示例：
library(reshape2)
library(tidyr)
library(dplyr)
# example data : `mini_iris`
(mini_iris <- iris[c(1, 51, 101), ])
# melt
(melted1 <- mini_iris %>% melt(id.vars = "Species")) # on reshape2
(melted2 <- mini_iris %>% gather(variable, value, -Species)) # on tidyr
# cast
melted1 %>% dcast(Species ~ variable, value.var = "value") # on reshape2
melted2 %>% spread(variable, value) # on tidyr
- Lovetoken
2
补充之前的回答，使用@Lovetoken的mini_iris示例（这对于评论来说太复杂了）- 对于那些不理解融合和投射意义的新手。
library(reshape2)
library(tidyr)
library(dplyr)
# example data : `mini_iris`
mini_iris <- iris[c(1, 51, 101), ]
# mini_iris
#Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 5.1 3.5 1.4 0.2 setosa
#51 7.0 3.2 4.7 1.4 versicolor
#101 6.3 3.3 6.0 2.5 virginica
Melt将数据框展开成一个值的长列表。虽然效率不高，但当需要组合数据集时很有用。可以想象一下冰块在桌上融化并扩散的结构。
melted1 <- testiris %>% melt(id.vars = "Species")
> nrow(melted1)
[1] 12
head(melted1)
# Species variable value
# 1 setosa Sepal.Length 5.1
# 2 versicolor Sepal.Length 7.0
# 3 virginica Sepal.Length 6.3
# 4 setosa Sepal.Width 3.5
# 5 versicolor Sepal.Width 3.2
# 6 virginica Sepal.Width 3.3
您可以看到，数据现在已被分成许多值的行。列名现在是变量列中的文本。
类型转换可以重新组装为 data.table 或 data.frame。
- micstr
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
reshape2的接替者是tidyr。melt和dcast对应的函数分别为gather和spread。目前还未上架 CRAN，但你可以从 github (https://github.com/hadley/tidyr) 下载！ - konvastidyr现在已经发布到CRAN（http://cran.r-project.org/web/packages/tidyr/index.html）。 - dickoagather来实现OP中melt示例的输出，但我没有时间。但我还是想让@koundy知道... - konvas