在R中使用从宽到长的重塑

我试图在R中将数据从宽改为长

我的宽格式数据如下所示：

我有以下数据矩阵： 行中有不同的公司，列中有不同年份的不同变量。（2012年收益、2011年收益、2010年收益、2012年总资产、2011年总资产等等

我想将其重新安排为一个较长的格式：

只有以下列：公司、年份、变量（收益、总资产等）

我已经试了好几天了。我也向他们寻求帮助，但我无法理解他们是如何改变数据的，以及如何分离年份的

提前感谢您的帮助

问候

格里蒂

PS：由于我对R不熟悉，而且在R中提供的帮助本身似乎是相当技术性的，我非常感谢您提供的任何简单介绍提示。

这里有三个示例（以及一些我认为代表您描述的示例数据）

以下是示例数据：

set.seed(1)
mydf <- data.frame(
  company = LETTERS[1:4],
  earnings_2012 = runif(4),
  earnings_2011 = runif(4),
  earnings_2010 = runif(4),
  assets_2012 = runif(4),
  assets_2011 = runif(4),
  assets_2010 = runif(4)
)

mydf
#   company earnings_2012 earnings_2011 earnings_2010 assets_2012 assets_2011 assets_2010
# 1       A     0.2655087     0.2016819    0.62911404   0.6870228   0.7176185   0.9347052
# 2       B     0.3721239     0.8983897    0.06178627   0.3841037   0.9919061   0.2121425
# 3       C     0.5728534     0.9446753    0.20597457   0.7698414   0.3800352   0.6516738
# 4       D     0.9082078     0.6607978    0.17655675   0.4976992   0.7774452   0.1255551

备选方案2：“重塑2”方案 它的语法非常流行。因为列名需要拆分才能获得这种“双宽”类型的数据，所以需要进行一点处理才能正常工作。它能够处理不平衡的数据，但如果不同的列属于不同的列类型（数字、字符、因子），它就不是最好的

---

请提供一个可复制的示例。阅读此示例了解更多信息：您可能还希望查看软件包

reformae2

，了解如何使用

melt（）

和

dcast（）

。您肯定需要至少添加您迄今为止尝试过的示例。您好，非常感谢您的帮助。我刚刚下载了您的软件包。我的数据中唯一不同的是，我没有公司的专栏，但是公司包含在行中。我的数据的名称。我是否必须添加另一个专栏才能使您满意你的函数工作吗？@Gritti，是的。你可以很容易地添加行名。类似于

mydf$company的东西再次感谢你的帮助。它工作起来很有魅力。有没有一种简单的方法可以用这个软件包删除某些行？例如，如果我决定删除2012年发生的所有观察结果。@Gritti，只需重新修改即可详细信息，请参见
help（Extract）
。再次感谢您的输入，我遇到了另一个问题，我正在尝试与以前基本相同的方法，但现在在company旁边有其他重复变量。我尝试将id.vars命令切换为id.vars=c（“company”，“扇区”），但我检索到以下错误：名称错误（x）
reshape(mydf, direction = "long", idvar="company", 
        varying = 2:ncol(mydf), sep = "_")
#        company time   earnings    assets
# A.2012       A 2012 0.26550866 0.6870228
# B.2012       B 2012 0.37212390 0.3841037
# C.2012       C 2012 0.57285336 0.7698414
# D.2012       D 2012 0.90820779 0.4976992
# A.2011       A 2011 0.20168193 0.7176185
# B.2011       B 2011 0.89838968 0.9919061
# C.2011       C 2011 0.94467527 0.3800352
# D.2011       D 2011 0.66079779 0.7774452
# A.2010       A 2010 0.62911404 0.9347052
# B.2010       B 2010 0.06178627 0.2121425
# C.2010       C 2010 0.20597457 0.6516738
# D.2010       D 2010 0.17655675 0.1255551

library(reshape2)
dfL <- melt(mydf, id.vars="company")
dfL <- cbind(dfL, colsplit(dfL$variable, "_", c("var", "year")))
dcast(dfL, company + year ~ var, value.var="value")
#    company year    assets   earnings
# 1        A 2010 0.9347052 0.62911404
# 2        A 2011 0.7176185 0.20168193
# 3        A 2012 0.6870228 0.26550866
# 4        B 2010 0.2121425 0.06178627
# 5        B 2011 0.9919061 0.89838968
# 6        B 2012 0.3841037 0.37212390
# 7        C 2010 0.6516738 0.20597457
# 8        C 2011 0.3800352 0.94467527
# 9        C 2012 0.7698414 0.57285336
# 10       D 2010 0.1255551 0.17655675
# 11       D 2011 0.7774452 0.66079779
# 12       D 2012 0.4976992 0.90820779

library(splitstackshape)
merged.stack(mydf, id.vars="company", 
             var.stubs=c("earnings", "assets"), sep = "_")
#     company .time_1   earnings    assets
#  1:       A    2010 0.62911404 0.9347052
#  2:       A    2011 0.20168193 0.7176185
#  3:       A    2012 0.26550866 0.6870228
#  4:       B    2010 0.06178627 0.2121425
#  5:       B    2011 0.89838968 0.9919061
#  6:       B    2012 0.37212390 0.3841037
#  7:       C    2010 0.20597457 0.6516738
#  8:       C    2011 0.94467527 0.3800352
#  9:       C    2012 0.57285336 0.7698414
# 10:       D    2010 0.17655675 0.1255551
# 11:       D    2011 0.66079779 0.7774452
# 12:       D    2012 0.90820779 0.4976992