R包reshape2，轻松实现长、宽数据表格转换
以下文章来源于生信宝典 ，作者lingludi
学生信最好的时间是十年前，其次是现在！10年经验分享尽在生信宝典！
本文翻译自外文博客，原文链接：https://seananderson.ca/2013/10/19/reshape/
一、reshape2 简介
reshape2是由Hadley Wickham编写的R包，可以轻松地在宽格式（wide-format）和长格式（long-format）之间转换数据。
reshape2R包主要有两个主要的功能：melt和cast
melt：将wide-format数据“熔化”成long-format数据；cast：获取long-format数据“重铸”成wide-format数据。
这两个命名十分形象，方便记忆，你可以想象成你在处理金属。当你熔化金属成液体滴下时，金属会被拉长（long-format）。如果你把金属它铸成一个模子，它就会变宽（wide-format）。
二、什么是宽表格和长表格
示例数据说明：例子使用内置于R中的空气质量数据集（airquality）。
每个变量单独成一列的为宽数据，例如：
## ozone wind temp
## 1 23.61538 11.622581 65.54839
## 2 29.44444 10.266667 79.10000
## 3 59.11538 8.941935 83.90323
## 4 59.96154 8.793548 83.96774而长数据中变量的ID没有单独列成一列，而是整合在同一列。
长数据矩阵中一列代表变量类型，另外一列表示对用的变量值。例如：
## variable value
## 1 ozone 23.615385
## 2 ozone 29.444444
## 3 ozone 59.115385
## 4 ozone 59.961538
## 5 wind 11.622581
## 6 wind 10.266667
## 7 wind 8.941935
## 8 wind 8.793548
## 9 temp 65.548387
## 10 temp 79.100000
## 11 temp 83.903226
## 12 temp 83.967742这并不表示长数据只有两列，比如我们会记录下每个月每天每个空气指标的值，而每个月的天数不一定相等，所以就会出现第三列记录日期。
一般我们实验记录的数据格式（大多习惯用宽表格记录数据）和我们后期用R绘图所用到的数据格式往往不一样，例如ggplot2、plyr，还有大多数建模函数lm()、glm()、gam()等经常会使用长表格数据来作图，这时用reshape2包来转换实验记录的宽表格数据会十分方便。
Wide- to long-format data: the melt function
例子使用内置于R中的空气质量数据集（airquality）。首先，我们将列名更改为小写方便使用。然后查看一下数据：
names(airquality) <- tolower(names(airquality))
head(airquality)## ozone solar.r wind temp month day
## 1 41 190 7.4 67 5 1
## 2 36 118 8.0 72 5 2
## 3 12 149 12.6 74 5 3
## 4 18 313 11.5 62 5 4
## 5 NA NA 14.3 56 5 5
## 6 28 NA 14.9 66 5 6如果我们使用所有默认参数运行melt会发生什么呢？
library(reshape2) # 首先加载一下reshape2包
aql <- melt(airquality) # 命名取首字母：[a]ir [q]uality [l]ong format
head(aql) # 查看数据前6列
tail(aql) # 查看数据后6列每一步返回的结果：
## No id variables; using all as measure variables
## head(aql)
## variable value
## 1 ozone 41
## 2 ozone 36
## 3 ozone 12
## 4 ozone 18
## 5 ozone NA
## 6 ozone 28
## tail(aql)
## variable value
## 913 day 25
## 914 day 26
## 915 day 27
## 916 day 28
## 917 day 29
## 918 day 30默认情况下melt会认为全部为数值的每一列都是带有变量的值，包括月份和日期，都合并在了一起，标题行置于variable列，数值置于value列。但是有的时候我们想知道每月里面每一天空气指标臭氧、太阳、风和温度的值，这个时候我们可以设置id.vars=c("")来去除指定的列，只将其他数据做变形。
aql <- melt(airquality, id.vars = c("month", "day"))
head(aql)## month day variable value
## 1 5 1 ozone 41
## 2 5 2 ozone 36
## 3 5 3 ozone 12
## 4 5 4 ozone 18
## 5 5 5 ozone NA
## 6 5 6 ozone 28如果我们想控制长数据中的列名怎么办呢？
aql <- melt(airquality, id.vars = c("month", "day"),
variable.name = "climate_variable",
value.name = "climate_value")
head(aql)## month day climate_variable climate_value
## 1 5 1 ozone 41
## 2 5 2 ozone 36
## 3 5 3 ozone 12
## 4 5 4 ozone 18
## 5 5 5 ozone NA
## 6 5 6 ozone 28Long- to wide-format data: the cast functions
首先使用dcast函数将上面转换后的宽数据转换成长数据。用month + day ~ variable告诉dcast月份和日期是变量，转换成的长数据与原始数据除了变量列的序号不一样，其他都一致。
aql <- melt(airquality, id.vars = c("month", "day"))
aqw <- dcast(aql, month + day ~ variable)
head(aqw)
head(airquality) # original data## month day ozone solar.r wind temp
## 1 5 1 41 190 7.4 67
## 2 5 2 36 118 8.0 72
## 3 5 3 12 149 12.6 74
## 4 5 4 18 313 11.5 62
## 5 5 5 NA NA 14.3 56
## 6 5 6 28 NA 14.9 66
## original data
## ozone solar.r wind temp month day
## 1 41 190 7.4 67 5 1
## 2 36 118 8.0 72 5 2
## 3 12 149 12.6 74 5 3
## 4 18 313 11.5 62 5 4
## 5 NA NA 14.3 56 5 5
## 6 28 NA 14.9 66 5 6如果你还不明白上面发生了什么，下面我们使用一张图解来展示：
蓝色阴影表示我们想要表示的各个行的ID变量，红色表示想要转换成列名的变量名，灰色表示要在单元格中填充的数据。
易错点
当每个单元格有多个值时（比如我们想以月而不是天来查看空气指标值，而每个月有多个数据），我们可能会犯一个错。
下面来一个错误示范，这次我们不再将day作为变量：
dcast(aql, month ~ variable)## month ozone solar.r wind temp
## 1 5 31 31 31 31
## 2 6 30 30 30 30
## 3 7 31 31 31 31
## 4 8 31 31 31 31
## 5 9 30 30 30 30当我们在R运行上面的命令时，会返回一条提示信息：
## Aggregation function missing: defaulting to length查看输出数据时发现，每个单元格填充的数据为每个月的记录天数，并非每个测量指标值。当我们转换数据并且每个单元格有多个值时，还需要使用fun.aggregate=告知dcast以什么方式重新组合数据，是平均值（mean）、中位数（median）还是总和（sum）。
下面我们试试以平均值来重新组合数据，并使用参数na.rm=TRUE来删除空值NA。
dcast(aql, month ~ variable, fun.aggregate = mean,
na.rm = TRUE)## month ozone solar.r wind temp
## 1 5 23.61538 181.2963 11.622581 65.54839
## 2 6 29.44444 190.1667 10.266667 79.10000
## 3 7 59.11538 216.4839 8.941935 83.90323
## 4 8 59.96154 171.8571 8.793548 83.96774
## 5 9 31.44828 167.4333 10.180000 76.90000help
阅读帮助文档：help(package=”reshape2”)
查看
reshape2官方网站：http://had.co.nz/reshape/帮助视频：http://had.co.nz/reshape/french-fries-demo.html
注：视频为.mov格式，可以用QuickTime打开观看
高颜值在线绘图
在我们的免费高颜值绘图网站也有关于wide format和long format的展示，具体如下表。不同的图形需要对应的选择或提供数据格式。
长按二维码识别跳转至精美的在线作图网站！
R统计和作图
猜你喜欢
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
文献阅读 热心肠 SemanticScholar Geenmedical
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外2400+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”