重塑功能

用于重塑数据的最灵活的基本 R 函数是 reshape。请参阅 ?reshape 的语法。

# create unbalanced longitudinal (panel) data set
set.seed(1234)
df <- data.frame(identifier=rep(1:5, each=3),
                 location=rep(c("up", "down", "left", "up", "center"), each=3),
                 period=rep(1:3, 5), counts=sample(35, 15, replace=TRUE),
                 values=runif(15, 5, 10))[-c(4,8,11),]
df

   identifier location period counts   values
1           1       up      1      4 9.186478
2           1       up      2     22 6.431116
3           1       up      3     22 6.334104
5           2     down      2     31 6.161130
6           2     down      3     23 6.583062
7           3     left      1      1 6.513467
9           3     left      3     24 5.199980
10          4       up      1     18 6.093998
12          4       up      3     20 7.628488
13          5   center      1     10 9.573291
14          5   center      2     33 9.156725
15          5   center      3     11 5.228851

请注意,data.frame 是不平衡的,即单元 2 在第一个周期中缺少观察,而单元 3 和 4 在第二个周期中缺少观测值。另请注意,有两个变量在不同时期变化:计数和值,以及两个不变的变量:标识符和位置。

长到宽

要将 data.frame 重新整形为宽格式,

# reshape wide on time variable
df.wide <- reshape(df, idvar="identifier", timevar="period",
                   v.names=c("values", "counts"), direction="wide")
df.wide
   identifier location values.1 counts.1 values.2 counts.2 values.3 counts.3
1           1       up 9.186478        4 6.431116       22 6.334104       22
5           2     down       NA       NA 6.161130       31 6.583062       23
7           3     left 6.513467        1       NA       NA 5.199980       24
10          4       up 6.093998       18       NA       NA 7.628488       20
13          5   center 9.573291       10 9.156725       33 5.228851       11

请注意,缺少的时间段用 NA 填充。

在重新整形时,“v.names”参数指定随时间变化的列。如果不需要位置变量,则可以在使用 drop 参数重新整形之前删除它。在从 data.frame 中删除唯一的非变量/非 id 列时,v.names 参数变得不必要。

reshape(df, idvar="identifier", timevar="period", direction="wide",
        drop="location")

从宽到长

要使用当前的 df.wide 进行重新整形,最小的语法就是

reshape(df.wide, direction="long")

但是,这通常比较棘手:

# remove "." separator in df.wide names for counts and values
names(df.wide)[grep("\\.", names(df.wide))] <-
              gsub("\\.", "", names(df.wide)[grep("\\.", names(df.wide))])

现在,简单的语法将产生有关未定义列的错误。

对于 reshape 函数更难以自动解析的列名,有时需要添加变化参数,该参数告诉 reshape 以宽格式对特定变量进行分组以转换为长格式。此参数采用变量名称或索引的向量列表。

reshape(df.wide, idvar="identifier",
        varying=list(c(3,5,7), c(4,6,8)), direction="long")

在重新整形时,可以提供“v.names”参数来重命名生成的变量变量。

有时可以通过使用 sep 参数来避免变化的规范,该参数告诉 reshape 变量名的哪一部分指定了 value 参数,并指定了 time 参数。