R 的 reshape() 函数更改列标签

Question

我想把我的数据从长格式转换成宽格式。如果发现reshape更改列标签真的很烦人，有什么方法可以避免吗?

例如，如果我有像这样的长格式数据:

Year Name Value
1996 a    1
1997 a    2
1998 b    3
1999 b    4

我将像这样使用reshape()

reshape(long, timevar = "Year", idvar = "Name", direction = "wide")

转换本身工作得很好，但是列名看起来像这样:

Name Time.1996 Time.1997 Time.1998 Time.1999 

我现在唯一能想到的是手动重命名列名，如果你必须为多个数据集做这件事，这真的很烦人。

Answer 1

我在这里没有看到问题，但是如果它让你很困扰，这里有几个选择。

在基数R中，您可以使用xtabs(很多时候)进行这种类型的转换。

as.data.frame.matrix(xtabs(Value ~ Name + Year, long))
#   1996 1997 1998 1999
# a    1    2    0    0
# b    0    0    3    4

或者，借助包，您可以使用" shape2"中的dcast。

library(reshape2)
dcast(long, Name ~ Year)
# Using Value as value column: use value.var to override.
#   Name 1996 1997 1998 1999
# 1    a    1    2   NA   NA
# 2    b   NA   NA    3    4

---

我同意以这种方式对单个变量进行重塑，这样修改名称是很烦人的。但是，记住reshape函数的其他典型用例，您就会发现它非常有用。例如，让我们向"长"数据集添加另一列，然后重塑:

> long$Something <- 5:8
> reshape(long, timevar = "Year", idvar = "Name", direction = "wide")
  Name Value.1996 Something.1996 Value.1997 Something.1997 Value.1998
1    a          1              5          2              6         NA
3    b         NA             NA         NA             NA          3
  Something.1998 Value.1999 Something.1999
1             NA         NA             NA
3              7          4              8

如果不保留正在被重塑的列的名称，您将无法知道哪个1996是"Value"，哪个是"Something"。

---

最后，如果您想使用reshape(我碰巧喜欢)，和您的实际数据准确地反映在这个示例中(只有一列需要由一个或多个列"pivot")，这里还有两个选项:

使用setNames 。很容易预测名称应该是什么:ID变量的向量，后面跟着时间变量。

> setNames(reshape(long, timevar = "Year", idvar = "Name", direction = "wide"), 
+          c("Name", long$Year))
  Name 1996 1997 1998 1999
1    a    1    2   NA   NA
3    b   NA   NA    3    4

使用sub或gsub编辑变量名。同样，因为我们知道我们只有一个pivot变量，所以很容易预测需要进行的更改。

> wide <- reshape(long, timevar = "Year", idvar = "Name", direction = "wide")
> names(wide)
[1] "Name"       "Value.1996" "Value.1997" "Value.1998" "Value.1999"
> names(wide) <- gsub("Value.", "", names(wide))
> wide
  Name 1996 1997 1998 1999
1    a    1    2   NA   NA
3    b   NA   NA    3    4