将data.frame从宽格式改为长格式

reshape() 需要一段时间来适应,就像 melt / cast . 这里有一个带整形的解决方案,假设您的数据帧是 d :

reshape(d, direction = "long", varying = list(names(d)[3:7]), v.names = "Value", 
        idvar = c("Code","Country"), timevar = "Year", times = 1950:1954)

三种替代解决方案:

1:与 reshape2

library(reshape2)
long <- melt(wide, id.vars = c("Code", "Country"))

给:

   Code     Country variable  value
1   AFG Afghanistan     1950 20,249
2   ALB     Albania     1950  8,097
3   AFG Afghanistan     1951 21,352
4   ALB     Albania     1951  8,986
5   AFG Afghanistan     1952 22,532
6   ALB     Albania     1952 10,058
7   AFG Afghanistan     1953 23,557
8   ALB     Albania     1953 11,123
9   AFG Afghanistan     1954 24,555
10  ALB     Albania     1954 12,246

给出相同结果的一些替代符号:

# you can also define the id-variables by column number
melt(wide, id.vars = 1:2)

# as an alternative you can also specify the measure-variables
# all other variables will then be used as id-variables
melt(wide, measure.vars = 3:7)
melt(wide, measure.vars = as.character(1950:1954))

2:与 data.table

你也可以用同样的 melt 功能与 RESHAPE2 包(这是一个扩展和改进的实现)。 熔化 从 数据表 还有更多的参数 熔化 -功能来自 RESHAPE2 . 例如,还可以指定变量列的名称:

library(data.table)
long <- melt(setDT(wide), id.vars = c("Code","Country"), variable.name = "year")

一些替代符号:

melt(setDT(wide), id.vars = 1:2, variable.name = "year")
melt(setDT(wide), measure.vars = 3:7, variable.name = "year")
melt(setDT(wide), measure.vars = as.character(1950:1954), variable.name = "year")

3:与 tidyr

library(tidyr)
long <- wide %>% gather(year, value, -c(Code, Country))

一些替代符号:

wide %>% gather(year, value, -Code, -Country)
wide %>% gather(year, value, -1:-2)
wide %>% gather(year, value, -(1:2))
wide %>% gather(year, value, -1, -2)
wide %>% gather(year, value, 3:7)
wide %>% gather(year, value, `1950`:`1954`)

如果你想排除 NA 值,可以添加 na.rm = TRUE 到 熔化 以及 gather 功能。

数据的另一个问题是r将这些值作为字符值读取(结果是 , 在数字中)。你可以用 gsub 和 as.numeric :

long$value <- as.numeric(gsub(",", "", long$value))

或直接与 数据表 或 dplyr :

# data.table
long <- melt(setDT(wide),
             id.vars = c("Code","Country"),
             variable.name = "year")[, value := as.numeric(gsub(",", "", value))]

# tidyr and dplyr
long <- wide %>% gather(year, value, -c(Code,Country)) %>% 
  mutate(value = as.numeric(gsub(",", "", value)))

数据:

wide <- read.table(text="Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246", header=TRUE, check.names=FALSE)

使用 重塑 包裹:

#data
x <- read.table(textConnection(
"Code Country        1950    1951    1952    1953    1954
AFG  Afghanistan    20,249  21,352  22,532  23,557  24,555
ALB  Albania        8,097   8,986   10,058  11,123  12,246"), header=TRUE)

library(reshape)

x2 <- melt(x, id = c("Code", "Country"), variable_name = "Year")
x2[,"Year"] <- as.numeric(gsub("X", "" , x2[,"Year"]))

因为这个答案被标记为 r-faq ,我觉得分享另一个R基地的替代方案会很有用: stack .

不过,请注意 堆栈 不适用于 factor S——只有在 is.vector 是 TRUE ,并从 IS.矢量 ,我们发现:

IS.矢量 收益率 真的 如果x是没有属性的指定模式的向量 除了名字 . 它返回 FALSE 否则。

我在用样本数据 from @Jaap's answer ,其中“年份”列中的值为 因素 S.

这里是 堆栈 途径:

cbind(wide[1:2], stack(lapply(wide[-c(1, 2)], as.character)))
##    Code     Country values  ind
## 1   AFG Afghanistan 20,249 1950
## 2   ALB     Albania  8,097 1950
## 3   AFG Afghanistan 21,352 1951
## 4   ALB     Albania  8,986 1951
## 5   AFG Afghanistan 22,532 1952
## 6   ALB     Albania 10,058 1952
## 7   AFG Afghanistan 23,557 1953
## 8   ALB     Albania 11,123 1953
## 9   AFG Afghanistan 24,555 1954
## 10  ALB     Albania 12,246 1954

下面是另一个使用 gather 从 tidyr . 您可以选择列 聚集 或者单独删除它们(就像我在这里所做的),或者明确地包含您想要的年份。

注意,要处理逗号(如果 check.names = FALSE 未设置),我也在使用 dplyr 的变异 parse_number 从 readr 将文本值转换回数字。这些都是 tidyverse 所以可以和 library(tidyverse)

wide %>%
  gather(Year, Value, -Code, -Country) %>%
  mutate(Year = parse_number(Year)
         , Value = parse_number(Value))

返回:

   Code     Country Year Value
1   AFG Afghanistan 1950 20249
2   ALB     Albania 1950  8097
3   AFG Afghanistan 1951 21352
4   ALB     Albania 1951  8986
5   AFG Afghanistan 1952 22532
6   ALB     Albania 1952 10058
7   AFG Afghanistan 1953 23557
8   ALB     Albania 1953 11123
9   AFG Afghanistan 1954 24555
10  ALB     Albania 1954 12246