reshape的两个函数melt和dcast

时间：2024-09-06 10:07:44

reshape

Reshape包主要是用来做数据变形的。其中主要的有两个函数melt和dcast1。其中melt主要用于宽变长，而dcast1主要用于长变宽。
melt和dcast1是reshape2包中函数的扩展。
在v1.9.6起，无需载入reshape2就可以使用这些函数。只需要载入data.table即可。如果必须载reshape2包，请确定在载入data.table前载入。

melt函数

假设我们有数据如下: 

library(data.table)

DT=fread("melt_default.csv")

head(DT)
##    family_id age_mother dob_child1 dob_child2 dob_child3

## 1:         1         30 1998-11-26 2000-01-29         NA

## 2:         2         27 1996-06-22         NA         NA

## 3:         3         26 2002-07-11 2004-04-05 2007-09-02

## 4:         4         32 2004-10-10 2009-08-27 2012-07-21

## 5:         5         29 2000-12-05 2005-02-28         NA
str(DT)
## Classes 'data.table' and 'data.frame':   5 obs. of  5 variables:

##  $ family_id : int  1 2 3 4 5

##  $ age_mother: int  30 27 26 32 29

##  $ dob_child1: chr  "1998-11-26" "1996-06-22" "2002-07-11" "2004-10-10" ...

##  $ dob_child2: chr  "2000-01-29" NA "2004-04-05" "2009-08-27" ...

##  $ dob_child3: chr  NA NA "2007-09-02" "2012-07-21" ...

##  - attr(*, ".internal.selfref")=<externalptr>
DT.m1=melt(DT,id.vars = c("family_id","age_mother"),measure.vars = c("dob_child1","dob_child2","dob_child3"))

DT.m1
##     family_id age_mother   variable      value

##  1:         1         30 dob_child1 1998-11-26

##  2:         2         27 dob_child1 1996-06-22

##  3:         3         26 dob_child1 2002-07-11

##  4:         4         32 dob_child1 2004-10-10

##  5:         5         29 dob_child1 2000-12-05

##  6:         1         30 dob_child2 2000-01-29

##  7:         2         27 dob_child2         NA

##  8:         3         26 dob_child2 2004-04-05

##  9:         4         32 dob_child2 2009-08-27

## 10:         5         29 dob_child2 2005-02-28

## 11:         1         30 dob_child3         NA

## 12:         2         27 dob_child3         NA

## 13:         3         26 dob_child3 2007-09-02

## 14:         4         32 dob_child3 2012-07-21

## 15:         5         29 dob_child3         NA
str(DT.m1)
## Classes 'data.table' and 'data.frame':   15 obs. of  4 variables:

##  $ family_id : int  1 2 3 4 5 1 2 3 4 5 ...

##  $ age_mother: int  30 27 26 32 29 30 27 26 32 29 ...

##  $ variable  : Factor w/ 3 levels "dob_child1","dob_child2",..: 1 1 1 1 1 2 2 2 2 2 ...

##  $ value     : chr  "1998-11-26" "1996-06-22" "2002-07-11" "2004-10-10" ...

##  - attr(*, ".internal.selfref")=<externalptr>
  • measure.vars界定了收缩的列的集合。
  • 收缩的列会自动变成variable和value

在命令中可以对variable和value的列名进行更改。如果id.vars和measure.vars没有指定，方法会将其中非数值的、证书的和逻辑值的列作为id.vars。同时会输出警告信息。 

DT.m1=melt(DT,measure.vars = c("dob_child1","dob_child2","dob_child3"),variable.name = "child",value.name = "dob")

DT.m1
##     family_id age_mother      child        dob

##  1:         1         30 dob_child1 1998-11-26

##  2:         2         27 dob_child1 1996-06-22

##  3:         3         26 dob_child1 2002-07-11

##  4:         4         32 dob_child1 2004-10-10

##  5:         5         29 dob_child1 2000-12-05

##  6:         1         30 dob_child2 2000-01-29

##  7:         2         27 dob_child2         NA

##  8:         3         26 dob_child2 2004-04-05

##  9:         4         32 dob_child2 2009-08-27

## 10:         5         29 dob_child2 2005-02-28

## 11:         1         30 dob_child3         NA

## 12:         2         27 dob_child3         NA

## 13:         3         26 dob_child3 2007-09-02

## 14:         4         32 dob_child3 2012-07-21

## 15:         5         29 dob_child3         NA

dcast函数

dcast将数据从长边短。 

dcast(DT.m1,family_id+age_mother~ child,value.var = "dob")
##    family_id age_mother dob_child1 dob_child2 dob_child3

## 1:         1         30 1998-11-26 2000-01-29         NA

## 2:         2         27 1996-06-22         NA         NA

## 3:         3         26 2002-07-11 2004-04-05 2007-09-02

## 4:         4         32 2004-10-10 2009-08-27 2012-07-21

## 5:         5         29 2000-12-05 2005-02-28         NA
  • dcast使用公式界面。
  • value.var说明列将会变成宽格式。

如何知道每个家庭小孩子的数量呢？ 

dcast(DT.m1,family_id~.,fun.aggregate = function(x)sum(!is.na(x)),value.var = "dob")
##    family_id .

## 1:         1 2

## 2:         2 1

## 3:         3 3

## 4:         4 3

## 5:         5 2

参考文献： Efficient reshaping using data.tables

相关文章