我们在做数据分析的时候，对数据进行操作也是一项极其重要的内容，这里我们同样介绍强大包reshape2，其中的几个函数，对数据进行操作cast和melt两个函数绝对少不了。
首先是cast,把长型数据转换成你想要的任何宽型数据，
dcast(data, formula, fun.aggregate = NULL, ..., margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data))
acast(data, formula, fun.aggregate = NULL, ..., margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data))
参数：
data 要进行转换的数据框
formula 用于转换的公式
fun.aggregate 聚合函数，表达式为：行变量~列变量~三维变量~......，另外，.表示后面没有数据列，…表示之前或之后的所有数据列
margins 用于添加边界汇总数据
subset 用于添加过滤条件，需要载入plyr包
其他三个参数，用到的情况相对较少。
下面来看些具体的例子
先构建一个数据集
|
1
2
3
4
|
x<-data.frame(id=1:6, name=c("wang","zhang","li","chen","zhao","song"), shuxue=c(89,85,68,79,96,53), yuwen=c(77,68,86,87,92,63))<br>x |
先使用melt函数对数据进行融化操作。
|
1
2
3
|
library(reshape2)<br>x1<-melt(x,id=c("id","name"))x1 |
可以看到数据已经变成了长型数据（melt函数后面详细介绍）。
接下来就是对数据进行各种变型操作了。
|
1
|
acast(x1,id~variable) |
|
1
|
dcast(x1,id~variable) |
从以上两个执行结果来看，可以看出acast和dcast的区别
这里acast输出结果省略了id这个列，而dcast则输出id列
|
1
|
acast(x1,id~name~variable) |
三维的情况下acast输出的是一个数组，而dcast则报错，因为dcast输出结果为数据框。
|
1
|
dcast(x1,id~variable,mean,margins=T) |
可以看到，边缘多了两列汇总数据是对行列求平均的结果。
|
1
|
dcast(x1,id~variable,mean,margins=c("id")) |
只对列求平均值，当然也可以只对行求平均值，把id改成variable就可以了。
|
1
2
|
library(plyr)dcast(x1,id~variable,mean,subset=.(id==1|id==3)) |
这里subset的筛选功能强大可以进行各种各样的筛选操作，类似filter的作用。
|
1
|
dcast(x1,id+name~variable) |
数据还原成原来的样子了。
|
1
|
dcast(x1,variable~name) |
对行列进行对调。
|
1
|
acast(x1,variable~id+name) |
到这里，我们已经着实体会了cast的强大，数据几乎可以转换成任何形式。
跟excel中的数据透视表功能类似