前面一篇講了cast,想必已經(jīng)見識(shí)到了reshape2的強(qiáng)大，當(dāng)然在使用cast時(shí)配合上melt這種強(qiáng)大的揉數(shù)據(jù)能力才能表現(xiàn)的淋漓盡致。

下面我們來看下，melt這個(gè)函數(shù)以及它的特點(diǎn)。

melt(data, ..., na.rm = FALSE, value.name = "value")

從這里來看函數(shù)的參數(shù)也相對(duì)比較簡(jiǎn)單，data表示要處理的數(shù)據(jù)，na.rm表示缺失值處理辦法，value.name用于重命名值所在列的名稱

另外，melt函數(shù)的難點(diǎn)在于，不同數(shù)據(jù)結(jié)構(gòu)，用到的參數(shù)可能是不一樣的。

首先，要融合的數(shù)據(jù)為數(shù)組、表以及矩陣，那么melt的表達(dá)式為：

melt(data, varnames = names(dimnames(data)), ..., na.rm = FALSE, as.is = FALSE, value.name = "value")

varnames用戶命名變量名稱

其次，要融合的數(shù)據(jù)為數(shù)據(jù)框，那么melt的表達(dá)式為：

melt(data, id.vars, measure.vars, variable.name = "variable", ..., na.rm = FALSE, value.name = "value", factorsAsStrings = TRUE)

id.vars 設(shè)置融合后單獨(dú)顯示的變量，可以用變量位置及名稱表示,沒寫表示使用所有非measure.vars值

measure.vars 通常根據(jù)id.vars 設(shè)置的變化而變化

最后，要融合的數(shù)據(jù)為列表，那么melt的表達(dá)式為：

melt(data, ..., level = 1)

下面來看些具體的例子

data<- array(c(1:22, NA,"wo"), c(2,3,4))
data

melt(data)

可以看出數(shù)據(jù)融合后，可讀性比數(shù)組的情況下強(qiáng)了好多，var1表示數(shù)組的行，var2表示數(shù)組的列，var3表示數(shù)組序列。

比如，18位置就是第3數(shù)組，2行3列的位置，11則是第2數(shù)組，1行3列。

melt(a, na.rm = TRUE)

可以看到數(shù)組中的缺失值被移除了。

melt(data, varnames=c("hang","lie","Zu"))

對(duì)融合后的每個(gè)變量進(jìn)行重命名。

下面來看下數(shù)據(jù)為數(shù)據(jù)框的情況。

x<-data.frame(id=1:6,
              name=c("wang","zhang","li","chen","zhao","song"),
              shuxue=c(89,85,68,79,96,53),
              yuwen=c(77,68,86,87,92,63))
x

melt(x,id=c("id","name"))

　

melt(x,id=1:2,variable.name="kemu",value.name="zhi")

melt(x,measure.vars=c("id","name"))

最后，來看下如果數(shù)據(jù)是列表的情況

shuju<- list(matrix(1:4, ncol=2), array(1:27, c(3,3,3)))
shuju

這個(gè)列表的機(jī)構(gòu)比較復(fù)雜，讀起來有點(diǎn)難度

下面melt融合后的結(jié)果

melt(shuju)

可以看出數(shù)據(jù)變得非常簡(jiǎn)潔。

總結(jié)

以上是生活随笔為你收集整理的reshape2 数据操作 数据融合 （melt）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。