R 必须先“融化”一个数据帧，然后再“转换”它吗？

必须一个

熔化

一个数据帧才能进行铸造？从

？熔化
：

data    molten data frame, see melt.

换句话说，在进行任何
acast
或
dcast
操作之前，是否绝对有必要熔化数据帧

考虑以下几点：

library("reshape2")
library("MASS")

xb <- dcast(Cars93, Manufacturer ~ Type, mean, value.var="Price")
m.Cars93 <- melt(Cars93, id.vars=c("Manufacturer", "Type"), measure.vars="Price")
xc <- dcast(m.Cars93, Manufacturer ~ Type, mean, value.var="value")

因此在这种情况下，
melt
操作似乎是多余的

在这些情况下，一般的指导原则是什么？在执行
*cast
操作之前，您如何决定何时需要熔化数据帧
 您是否需要融化数据集取决于您希望最终数据采用何种形式，以及与当前数据的关系

我通常的想法是：

对于公式的LHS，我应该有一个或多个列将成为我的“id”行。这些将作为单独的列保留在最终输出中
对于公式的RHS，我应该有一个或多个列，这些列组合起来形成新的列，在这些列中，我将“分散”我的值。当这是多个列时，
dcast
将基于这些值的组合创建新列
我必须只有一列，它将提供值以填充由这些行和列创建的结果“网格”
以一个小的例子来说明，考虑这个微小的数据集：
mydf <- data.frame(
  A = c("A", "A", "B", "B", "B"),
  B = c("a", "b", "a", "b", "c"),
  C = c(1, 1, 2, 2, 3),
  D = c(1, 2, 3, 4, 5),
  E = c(6, 7, 8, 9, 10)
)

请记住以上三点，比较执行以下操作时发生的情况：

dcast(mydf, A ~ C, value.var = "E")
dcast(mydf, A ~ B + C, value.var = "E")
dcast(mydf, A + B ~ C, value.var = "E")


何时需要
melt
？

现在，让我们对该场景进行一个小的调整：我们希望在不进行实际聚合的情况下分散“D”和“E”列中的值。有了此更改，我们需要首先熔化数据，以便需要分散的相关值位于单个列中（上文第3点）

dfL只要现有的数据已经是长格式的，我看不出在铸造之前一般需要将其熔化。非常感谢您的详细解释。如果我理解正确，最后的
melt
操作假定
c（“D”，“E”）
本质上是相同的，即它们是完全相同的度量值，分布在不同的组中，并在两个不同的列中注册。@landroni，它们不一定是相同的度量值，但至少是相同的数据类型（例如，所有数字，而不是逻辑、字符或其他），您希望对其执行相同类型的聚合。关于您的另一个问题的说明可能会对此主题有更多的说明。事实上，度量值可以不同（但应为相同的数据类型），尽管在我看来，这个示例指出了
acast
/
dcast
运行方式中的某种基本刚性，如果您打算将它们用于透视表的话。
library(reshape2)
dcast(mydf, A ~ B, value.var = "E")
#   A a b  c
# 1 A 6 7 NA
# 2 B 8 9 10

dcast(mydf, A ~ C, value.var = "E")
dcast(mydf, A ~ B + C, value.var = "E")
dcast(mydf, A + B ~ C, value.var = "E")

dfL <- melt(mydf, measure.vars = c("D", "E"))
dcast(dfL, A ~ B + variable, value.var = "value")
#   A a_D a_E b_D b_E c_D c_E
# 1 A   1   6   2   7  NA  NA
# 2 B   3   8   4   9   5  10