tidyr VS dplyr+；重塑2

结合使用

dplyr

而不是完全使用

tidyr

是否有任何优点或局限性

---

我不完全熟悉

tidyr

的

reforme2

功能，我想了解切换到

tidyr

的原因，因为我在R代码中越来越多地看到它

Tidyr遵循

tidyverse

惯例，如

dplyr

：

• 设计用于管道的功能

  %%>%%

• 非标准求值（NSE），这意味着您使用不带引号的列名而不是字符串

• rlang

  tidy dots语义，与其他tidyverse软件包一样，这意味着您可以使用

  和
  一旦您知道如何使用它们，它们将非常强大。当然，如果不将函数与NSE一起使用，您可以在不使用花哨语法的情况下执行相同的操作。。。但是如果您已经使用了
  dplyr
  ，那么您已经在任何地方使用了NSE
  

如果您已经使用了

dplyr

，那么如果您同时使用

tidyr

进行数据整形，代码可能会看起来更加一致

此外，

restrape2

侧重于重塑数据（

melt/cast

），而

tidyr

则是这样（

collect/spread

），更像是操纵列（

unite/separate/extract

），创建和使用列表列和嵌套数据/帧（

nest/unest

），处理缺失的值（

完成/展开/填充

）

我还应该说

dplyr

和

tidyr

是互补的，所以我要挑战你的框架

（tidyr）

VS

（dplyr+restrape2）

dplyr

无论你是使用

tidyr

还是

restrape2

---

最终，

melt/dcast

相当于

collect/spread

，因此在您需要其他

tidyr

功能之前，或者如果您想遵循“

tidyverse

趋势”，这是一种个人偏好.

这是基于观点的：tidyr的API是Reforme2的演变，它与dplyr和相关软件包更为匹配，尤其是在语言计算（非标准评估）方面。此外，tidyr软件包比Reforme2（un-）做得更多嵌套、分隔和合并列、将值拆分为单独的行……。这绝对值得学习。