使用Reforme（）或melt（）将数据帧从宽数据转换为长数据的更优雅的方式

我正在寻找一种更优雅的方式，通过使用melt（Reforme2）或Reformate函数来重塑我的数据帧

假设我有一个简单的数据框，如下所示：

d<-data.frame("PID"=factor(c(1,1,1,2,2,2)),
              "Cue1"=factor(c(1,2,3,1,2,3)),
              "Cue2"=factor(c(5,5,5,5,5,5)))

不幸的是，互联网上关于重塑的大多数示例都讨论了以下示例（在我的案例中是非首选示例）：

但我需要前一个

---

提前感谢您的建议。

最简单的方法是使用

melt

。这与初始数据帧（

d1

）相同，除非触发器的确切顺序很重要

library(reshape2)
d2 <- melt(d, id="PID", value.name="trigger")[,c(3,1)]
> d2
       trigger PID
1        1   1
2        2   1
3        3   1
4        1   2
5        2   2
6        3   2
7        5   1
8        5   1
9        5   1
10       5   2
11       5   2
12       5   2

通过按触发器排序，您可以看到它们都是相同的

> d2[order(d2$trigger),]
   trigger PID
1        1   1
4        1   2
2        2   1
5        2   2
3        3   1
6        3   2
7        5   1
8        5   1
9        5   1
10       5   2
11       5   2
12       5   2
> d1[order(d1$trigger),]
   trigger PID
1        1   1
7        1   2
3        2   1
9        2   2
5        3   1
11       3   2
2        5   1
4        5   1
6        5   1
8        5   2
10       5   2
12       5   2

---

最简单的方法是使用

melt

。这与初始数据帧（

d1

）相同，除非触发器的确切顺序很重要

library(reshape2)
d2 <- melt(d, id="PID", value.name="trigger")[,c(3,1)]
> d2
       trigger PID
1        1   1
2        2   1
3        3   1
4        1   2
5        2   2
6        3   2
7        5   1
8        5   1
9        5   1
10       5   2
11       5   2
12       5   2

通过按触发器排序，您可以看到它们都是相同的

> d2[order(d2$trigger),]
   trigger PID
1        1   1
4        1   2
2        2   1
5        2   2
3        3   1
6        3   2
7        5   1
8        5   1
9        5   1
10       5   2
11       5   2
12       5   2
> d1[order(d1$trigger),]
   trigger PID
1        1   1
7        1   2
3        2   1
9        2   2
5        3   1
11       3   2
2        5   1
4        5   1
6        5   1
8        5   2
10       5   2
12       5   2

---

如果您只是在寻找使用melt的单层衬里，以下是一种方法（保留所需的订单）：

---

如果您只是在寻找使用melt的单层衬里，以下是一种方法（保留所需的订单）：

我认为“优雅”是主观的，但是如果你在寻找另一种选择，你可以从我的“SPLITSTACKFILE”包中考虑<代码>合并。但是，为了使

merged.stack

正常工作，您的ID变量必须是唯一的。为此，您可以使用

getanID

（也可以从“splitstackshape”中）：

另外两列将是：

• .id

  ，由

  getanID

  创建。此列与“PID”列组合时将创建唯一的ID

• .time\u 1

  ，它是“叠加”步骤的结果，指示值来自哪个“提示”列（在本例中，在1和2之间循环表示“提示1”和“提示2”）

<代码>读取代码< >、C（“PID”、“提示”）、“使用= false”/代码>意味着只显示这两个列（因为这就是所有您感兴趣的）。

我认为“优雅”是主观的，但是如果您在寻找替代方案，可以从“SPLITSTACKFILE”包中考虑<代码>合并。但是，为了使

merged.stack

正常工作，您的ID变量必须是唯一的。为此，您可以使用

getanID

（也可以从“splitstackshape”中）：

另外两列将是：

• .id

  ，由

  getanID

  创建。此列与“PID”列组合时将创建唯一的ID

• .time\u 1

  ，它是“叠加”步骤的结果，指示值来自哪个“提示”列（在本例中，在1和2之间循环表示“提示1”和“提示2”）

---

代码中读取

[，c（“PID”，“Cue”），with=FALSE]

的部分意味着只向我们显示这两列（因为这似乎就是您感兴趣的内容）。

您所说的优雅是什么意思？在紧凑性方面？在我的解决方案中，我必须为PID添加一个新列，再加上另一个列来标识列中的值是来自cue1还是来自CUE2（在上面的示例中未显示）。我认为已经有了一种更简洁、更简单的方法。请看我的答案。希望它能满足你的一些期望：）你说的优雅是什么意思？在紧凑性方面？在我的解决方案中，我必须为PID添加一个新列，再加上另一个列来标识列中的值是来自cue1还是来自CUE2（在上面的示例中未显示）。我认为已经有了一种更简洁、更简单的方法。请看我的答案。希望它能满足你的一些期望：）谢谢你的回答。这几乎是我想要的，也许我解释得很模糊，所以我试着纠正自己。更具体地说，行的确切顺序很重要。d1中新的长列（d1$trigger）应该以d[1,2]开始，然后是d[1,3]，然后是d[2,2]，d[2,3]，d[3,2]，d[4,2]，d[4,3]，d[5,2]，d[5,3]，d[6,2]和d[6,3]……因此在最后，我将分别对PID 1和PID 2使用所有触发器。在您的解决方案中，PID是交替的。如果我使用d3[order（d3$PID），]，那么触发器的顺序将丢失。为什么保持准确的顺序如此重要？数据是相同的。你想做什么这么严格？我想比较我发送的触发器和我收到的触发器，以确保它被正确发送/解释。你不能也对“已发送”触发器进行排序，然后进行比较吗？如果您能提供一个完整的比较示例以及当前失败的地方，也许这将是最好的。然后，如果我使用上面的代码，也就是我在提问时编写的代码，会更容易。我可以转换df并创建一个向量，然后简单地比较这些值。我认为对于这种重塑过程有一个简洁的解决方案。谢谢你的回答。这几乎是我想要的，也许我解释得很模糊，所以我试着纠正自己。更具体地说，行的确切顺序很重要。d1中新的长列（d1$trigger）应该以d[1,2]开始，然后是d[1,3]，然后是d[2,2]，d[2,3]，d[3,2]，d[4,2]，d[4,3]，d[5,2]，d[5,3]，d[6,2]和d[6,3]……因此在最后，我将分别对PID 1和PID 2使用所有触发器。在您的解决方案中，PID是交替的。如果我使用d3[order（d3$PID），]，那么触发器的顺序将丢失。为什么保持准确的顺序如此重要？数据是相同的。你想做什么这么严格？我想比较我发送的触发器和我收到的触发器，以确保它被正确发送/解释。你不能也对“已发送”触发器进行排序，然后进行比较吗？如果你能提供一个完整的例子来说明这个比较，以及它目前失败的地方，也许这将是最好的

d3 <- reshape(d, direction="long", 
              varying=list(names(d)[2:3]), 
              v.names="trigger",
              idvar="PID", 
              new.row.names=seq(12))[,c(3,1)]

> d2[order(d2$trigger),]
   trigger PID
1        1   1
4        1   2
2        2   1
5        2   2
3        3   1
6        3   2
7        5   1
8        5   1
9        5   1
10       5   2
11       5   2
12       5   2
> d1[order(d1$trigger),]
   trigger PID
1        1   1
7        1   2
3        2   1
9        2   2
5        3   1
11       3   2
2        5   1
4        5   1
6        5   1
8        5   2
10       5   2
12       5   2

# assume DF is your data frame
DF_new = data.frame(trigger = melt(t(DF[,2:3]))[,3], PID = rep(DF[,1], each=2))
DF_new
#    trigger PID
# 1        1   1
# 2        5   1
# 3        2   1
# 4        5   1
# 5        3   1
# 6        5   1
# 7        1   2
# 8        5   2
# 9        2   2
# 10       5   2
# 11       3   2
# 12       5   2

library(splitstackshape)
packageVersion("splitstackshape")
# [1] ‘1.4.2’
merged.stack(getanID(d, "PID"), var.stubs = "Cue", 
             sep = "var.stubs")[, c("PID", "Cue"), with = FALSE]
#     PID Cue
#  1:   1   1
#  2:   1   5
#  3:   1   2
#  4:   1   5
#  5:   1   3
#  6:   1   5
#  7:   2   1
#  8:   2   5
#  9:   2   2
# 10:   2   5
# 11:   2   3
# 12:   2   5

## factor levels retained as desired
str(.Last.value)
# Classes ‘data.table’ and 'data.frame':  12 obs. of  2 variables:
#  $ PID: Factor w/ 2 levels "1","2": 1 1 1 1 1 1 2 2 2 2 ...
#  $ Cue: Factor w/ 4 levels "1","2","3","5": 1 4 2 4 3 4 1 4 2 4 ...
#  - attr(*, "sorted")= chr "PID"
#  - attr(*, ".internal.selfref")=<externalptr> 

merged.stack(getanID(d, "PID"), var.stubs = "Cue", sep = "var.stubs")