在哪些情况下，人们更愿意从重塑中熔化，而不是从plyr中使用ddply？I'；我正在努力学习它们，它们看起来很相似
似乎melt将使用id列和堆叠的测量变量重塑数据帧，然后通过强制转换执行聚合。plyr软件包中的ddply看起来非常相似。你给它一个数据帧，一对用于分组的列变量，和一个聚合函数，然后你得到一个数据帧…那么它们有什么不同呢？除了它们的文档之外，还有什么好的资源/参考来共享学习这些工具吗（这一点，特别是对于重塑，有点难以遵循）在哪些情况下，人们更愿意从重塑中熔化，而不是从plyr中使用ddply？I'；我正在努力学习它们，它们看起来很相似,r,plyr,reshape,R,Plyr,Reshape,似乎melt将使用id列和堆叠的测量变量重塑数据帧，然后通过强制转换执行聚合。plyr软件包中的ddply看起来非常相似。你给它一个数据帧，一对用于分组的列变量，和一个聚合函数，然后你得到一个数据帧…那么它们有什么不同呢？除了它们的文档之外，还有什么好的资源/参考来共享学习这些工具吗（这一点，特别是对于重塑，有点难以遵循） 感谢一个不同之处在于stats:：Reforme具有处理“宽”数据的内置方式，而Reforme2（铸造/熔化）则没有。有关示例，请参见此问题： 也就是说，stats:：Ref
感谢一个不同之处在于stats:：Reforme具有处理“宽”数据的内置方式，而Reforme2（铸造/熔化）则没有。有关示例，请参见此问题： 也就是说，stats:：Reforme有令人沮丧的论点，并且只擅长于一种类型的数据转换（尽管是常见的） plyr倾向于取代apply函数，而Reforme2倾向于取代Reformate。尽管功能重叠，但它们各自适用于特定任务
《重塑2》和《plyr软件包》的作者哈德利·威克姆（Hadley Wickham）有一份关于整洁数据的精美pdf，值得一读。他在这里也有一篇关于plyr的文章：这里是gsk3提到的指南的链接