R 利用reshape2实现数据透视表功能
更新日期:
这几天处理数据，经常需要把原始数据进行变形以方便运算，比如长长的数据变成宽宽的数据，宽宽的数据变成长长的数据，总而言之，就是要对数据做一个变形整合。如果一个人要变形，那他应该去韩国，如果一个数据要变形，那它应该来reshape2包。虽然R自身带有reshape函数，但自从有了reshape包，reshape函数倒不引人关注了，再后来，reshape2包替代了reshape包，所以我们现在用的都是reshape2包了。
reshape2包还是那位鼎鼎大名的Hadley Wickham 写的，包的质量就不用说了，业界良心啊。这个包对数据的变形有自己的一套思想（流程），甭管你是什么格式的数据（array,list,dataframe）,我先把你揉碎了（melt），之后再把你捏成（cast）各种形状，简直就像用橡皮泥捏东西——捏啥是啥！
废话不多说，reshape2包用到的基本就是melt和 cast两个函数，melt负责揉数据，cast负责捏数据。
揉数据（melt函数）
数组
对于n维数组（array），melt函数转换后变为n+1列，前n列代表数据的位置信息，第n列代表原始数据中的第n维，最后一列是对应的数值。
a <- array(c(1:23, NA), c(2,3,4))
a
, , 1
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
, , 2
[,1] [,2] [,3]
[1,] 7 9 11
[2,] 8 10 12
, , 3
[,1] [,2] [,3]
[1,] 13 15 17
[2,] 14 16 18
, , 4
[,1] [,2] [,3]
[1,] 19 21 23
[2,] 20 22 NA
head(melt(a,varnames = c(1,2,3) ,value.name = "value"),5)
1 2 3 value
1 1 1 1 1
2 2 1 1 2
3 1 2 1 3
4 2 2 1 4
5 1 3 1 5
注意到原始数据中的NA值也被完整体现出来了，如果想要除去NA值，可以设置na.rm = T.
melt(a,varnames = c(1,2,3) ,value.name = "value",na.rm = T)
列表
melt函数将列表转为两列，第一列是列表元素，第二列是列表元素名称。如果是嵌套列表，第一列仍然是列表元素，其他列仍然是列表元素名称，列表元素越高级越靠后。
melt(list(list(1:3), 1, list(as.list(3:4), as.list(1:2))))
value L2 L3 L1
1 1 1 NA 1
2 2 1 NA 1
3 3 1 NA 1
4 1 NA NA 2
5 3 1 1 3
6 4 1 2 3
7 1 2 1 3
8 2 2 2 3
数据框
对于数据框，melt函数的调用格式如下
melt(data, id.vars, measure.vars, variable.name = "variable", ..., na.rm = FALSE, value.name = "value", factorsAsStrings = TRUE)
data是要变换的数据框,id.vars是每个观测值的标识id变量，mearsure.vars是观测值的变量，变量名和数值各占一列。id.vars也可以写作id，mearsure.vars也可以写作mearsure。这两个参数可以只指定其中一个，剩余的列被当成另外一个参数的值；如果两个都省略，数值型的列被看成观测值，其他的被当成id。variable.name指定mearsure变量名列的名称，value.name指定数值列的名称。
先借用一张《R语言实战》中的melt示意图吧!
我们要揉的原始数据是这样的：
head(airquality，5)
ozone solar.r wind temp month day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.6 74 5 3
4 18 313 11.5 62 5 4
5 NA NA 14.3 56 5 5
对它melt后的数据是这样的：
head(melt(airquality, id=c("month", "day"),variable.name = "type",value.name = "val"))
month day type val
1 5 1 ozone 41
2 5 2 ozone 36
3 5 3 ozone 12
4 5 4 ozone 18
5 5 5 ozone NA
6 5 6 ozone 28
查看一下它的结构，发现type变量里面包含四个水平，也就是原始数据中的ozone，solar.r，wind，temp变量。
str(melt(airquality, id=c("month", "day"),variable.name = "type",value.name = "val"))
'data.frame': 612 obs. of 4 variables:
$ month: int 5 5 5 5 5 5 5 5 5 5 ...
$ day : int 1 2 3 4 5 6 7 8 9 10 ...
$ type : Factor w/ 4 levels "ozone","solar.r",..: 1 1 1 1 1 1 1 1 1 1 ...
$ val : num 41 36 12 18 NA 28 23 19 8 NA ...
我们也可以选定两个测量变量
head(melt(airquality, id=c("month", "day"),measure = c("ozone","wind"),variable.name = "type",value.name = "val"))#选定测量变量为ozone、wind
month day type val
1 5 1 ozone 41
2 5 2 ozone 36
3 5 3 ozone 12
4 5 4 ozone 18
5 5 5 ozone NA
6 5 6 ozone 28
str(melt(airquality, id=c("month", "day"),measure = c("ozone","wind"),variable.name = "type",value.name = "val"))) #选定测量变量为ozone、wind
'data.frame': 6 obs. of 4 variables:
$ month: int 5 5 5 5 5 5
$ day : int 1 2 3 4 5 6
$ type : Factor w/ 2 levels "ozone","wind": 1 1 1 1 1 1
$ val : num 41 36 12 18 NA 28
捏数据（*cast函数）
数据揉好后，就可以用来捏了。*cast函数分为两种，输出结果为array的为acast函数，输出结果为data.frame的为dcast函数，因为主要用到的是数据框，所以我就主要介绍一下dcast。
dcast的调用格式为：dcast(data, formula, fun.aggregate = NULL)，data指melt后的数据，formula指的是重新组合的公式，fun.aggregate指要进行计算的函数。dcast调用结果是公式左边有几个变量就有几列，公式右边的变量为因子型，每个水平当做一列。
先试试把揉碎的数据捏成原来的形状吧!
names(airquality) <- tolower(names(airquality))
aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)
raw <- dcast(aqm , month + day ~variable)
View(raw)
raw数据和原始数据airquality一样，数据复原了!
其实我们要捏什么形状关键在于公式，公式的组合变化无穷，大家可以发挥自己的想象力！
如果我们要对数据进行函数运算，可以指定fun函数。比如计算每个月里变量的均值，可以采用mean函数。
monmean <- dcast(aqm , month ~variable ,mean)
monmean
month ozone solar.r wind temp
1 5 23.61538 181.2963 11.622581 65.54839
2 6 29.44444 190.1667 10.266667 79.10000
3 7 59.11538 216.4839 8.941935 83.90323
4 8 59.96154 171.8571 8.793548 83.96774
5 9 31.44828 167.4333 10.180000 76.90000
fun函数我们可以自己编写，比如我们编写一个查看缺失值数量的函数，并将其应用到dcast中。
nna <- function(x){return(sum(is.na(x)))}#查看缺失值数量
monmean <- dcast(aqm , month ~variable ,nna)
monmean
month ozone solar.r wind temp
1 5 0 0 0 0
2 6 0 0 0 0
3 7 0 0 0 0
4 8 0 0 0 0
5 9 0 0 0 0
结果显示没有缺失数据，因为缺失数据在最初的melt阶段就给移除掉了。如果不移除缺失数据，再捏一遍的效果如下：
aqm1 <- melt(airquality, id=c("month", "day"))
monmean <- dcast(aqm1 , month ~variable ,nna)
monmean
month ozone solar.r wind temp
1 5 5 4 0 0
2 6 21 0 0 0
3 7 5 0 0 0
4 8 5 3 0 0
5 9 1 0 0 0
最后，还有一个recast函数，可以一步到位直接输出你最终需要的效果，比如统计每个月份里各变量的缺失值数量。代码如下
recast(airquality , month ~ variable , id.var = c('month','day') , fun = nna)
month ozone solar.r wind temp
1 5 5 4 0 0
2 6 21 0 0 0
3 7 5 0 0 0
4 8 5 3 0 0
5 9 1 0 0 0
reshape2包中的这些函数提供的功能和Excel中的数据透视表功能类似，但是更为灵活，更强大，可以输出你想要的数据形状，并且计算你想要的统计量，而不限于它提供的那些。我想，这就是编程的乐趣之一吧，可以给予你更大的自由度。
参考资料
【1】R语言实战
【4】reshape2包自带文档