R 一次重塑多个值

我有一个很长的数据集，我想广泛使用，我很好奇是否有一种方法可以使用R中的Reformae2或tidyr包一步完成这一切

数据帧df如下所示：

id  type    transactions    amount
20  income       20          100
20  expense      25          95
30  income       50          300
30  expense      45          250

我想说的是：

id  income_transactions expense_transactions    income_amount   expense_amount
20       20                           25                 100             95
30       50                           45                 300             250

我知道我可以通过以下方式实现部分目的：

dcast(df, id ~  type, value.var="transactions")

但是有没有一种方法可以一次性改变整个df，同时处理“交易”和“金额”变量？理想情况下，使用新的更合适的列名？

在“重塑2”中，您可以使用

重铸

（尽管根据我的经验，这不是一个广为人知的功能）

您还可以使用基本R的

重塑
：

reshape(mydf, direction = "wide", idvar = "id", timevar = "type")
#   id transactions.income amount.income transactions.expense amount.expense
# 1 20                  20           100                   25             95
# 3 30                  50           300                   45            250

或者，您可以
melt
和
dcast
，就像这样（这里有“data.table”）：

在“数据表”（1.9.8）的
dcast.data.table
的更高版本中。如果我理解正确的话，@Arun试图实现的是在不必首先融化数据的情况下进行重塑，这就是目前使用
重铸时发生的情况，它本质上是一个
melt
+
dcast
操作序列的包装器


为了彻底起见，这里有
tidyr
方法：

library(dplyr)
library(tidyr)
mydf %>% 
  gather(var, val, transactions:amount) %>% 
  unite(var2, type, var) %>% 
  spread(var2, val)
#   id expense_amount expense_transactions income_amount income_transactions
# 1 20             95                   25           100                  20
# 2 30            250                   45           300                  50

使用data.table v1.9.6+，我们可以同时强制转换多个
value.var
列（还可以在
fun.aggregate
中使用多个聚合函数）。有关更多信息以及示例部分，请参见
？dcast

require(data.table) # v1.9.6+
dcast(dt, id ~ type, value.var=names(dt)[3:4])
#    id transactions_expense transactions_income amount_expense amount_income
# 1: 20                   25                  20             95           100
# 2: 30                   45                  50            250           300

这是一个不错的答案（开明+不错的答案徽章在路上…），但不确定我们需要什么，所有这些乱七八糟的
tidyr
，
dplyr
，
data.table
，
重塑
等等。如果有这样一种简单的方法可以用base来做的话R@DavidArenburg，按比例加速，真的。我是
重塑
的老铁杆粉丝，但如果有人处理远程大数据，这不是我的第一个建议。
重塑（）
很简单吗？我要说的是“巴哈哈哈哈”@hadley，我不能代表David说话，但我并没有将他的评论理解为
restrape（）
很简单，而是暗示这里的
restrape（）
方法实际上相当简单。在这种情况下，tidyr、dplyr、data.table、restrape2等的整个“混乱”点，它们能更好地概括新问题，而重塑（）则不然。
library(dplyr)
library(tidyr)
mydf %>% 
  gather(var, val, transactions:amount) %>% 
  unite(var2, type, var) %>% 
  spread(var2, val)
#   id expense_amount expense_transactions income_amount income_transactions
# 1 20             95                   25           100                  20
# 2 30            250                   45           300                  50

require(data.table) # v1.9.6+
dcast(dt, id ~ type, value.var=names(dt)[3:4])
#    id transactions_expense transactions_income amount_expense amount_income
# 1: 20                   25                  20             95           100
# 2: 30                   45                  50            250           300