重塑分为

1、合并：merge()

image.png

2、融合：melt()

image.png

3、拆分cast()

image.png

搬运的菜鸟教程的代码：

# 合并数据框
# R 语言合并数据框使用 merge() 函数。

# merge() 函数语法格式如下：
# S3 方法
# merge(x, y, …)

# data.frame 的 S3 方法 
# merge(x, y, by = intersect(names(x), names(y)),
#       by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
#       sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
#       incomparables = NULL, …)
# 常用参数说明：

# x, y： 数据框
# by, by.x, by.y：指定两个数据框中匹配列名称，默认情况下使用两个数据框中相同列名称。
# all：逻辑值; all = L 是 all.x = L 和 all.y = L 的简写，L 可以是 TRUE 或 FALSE。
# all.x：逻辑值，默认为 FALSE。如果为 TRUE, 显示 x 中匹配的行，即便 y 中没有对应匹配的行，y 中没有匹配的行用 NA 来表示。
# all.y：逻辑值，默认为 FALSE。如果为 TRUE, 显示 y 中匹配的行，即便 x 中没有对应匹配的行，x 中没有匹配的行用 NA 来表示。
# sort：逻辑值，是否对列进行排序。
# Natural join 或 INNER JOIN：如果表中有至少一个匹配，则返回行
# Left outer join 或 LEFT JOIN：即使右表中没有匹配，也从左表返回所有的行
# Right outer join 或 RIGHT JOIN：即使左表中没有匹配，也从右表返回所有的行
# Full outer join 或 FULL JOIN：只要其中一个表中存在匹配，则返回行
# data frame 1
df1 = data.frame(SiteId = c(1:6), Site = c("Google","Runoob","Taobao","Facebook","Zhihu","Weibo"))


# data frame 2
df2 = data.frame(SiteId = c(2, 4, 6, 7, 8), Country = c("CN","USA","CN","USA","IN"))

# INNER JOIN
df1 = merge(x=df1,y=df2,by="SiteId")
print("----- INNER JOIN -----")
print(df1)

# FULL JOIN
df2 = merge(x=df1,y=df2,by="SiteId",all=TRUE)
print("----- FULL JOIN -----")
print(df2)

# LEFT JOIN
df3 = merge(x=df1,y=df2,by="SiteId",all.x=TRUE)
print("----- LEFT JOIN -----")
print(df3)

# RIGHT JOIN
df4 = merge(x=df1,y=df2,by="SiteId",all.y=TRUE)
print("----- RIGHT JOIN -----")
print(df4)
数据整合和拆分
# R 语言使用 melt() 和 cast() 函数来对数据进行整合和拆分。
# 
# melt() ：宽格式数据转化成长格式。
# cast() ：长格式数据转化成宽格式。
# 下图很好展示来 melt() 和 cast() 函数的功能(后面实例会详细说明)：
# melt() 将数据集的每个列堆叠到一个列中，函数语法格式：

#melt(data, ..., na.rm = FALSE, value.name = "value")
# 参数说明：

# data：数据集。
# ...：传递给其他方法或来自其他方法的其
# 他参数。
# na.rm：是否删除数据集中的 NA 值。
# value.name 变量名称，用于存储值。
# 进行以下操作之前，我们先安装依赖包：
# 安装库，MASS 包含很多统计相关的函数，工具和数据集
install.packages("MASS", repos = "https://mirrors.ustc.edu.cn/CRAN/") 

#  melt() 和 cast() 函数需要对库 
install.packages("reshape2", repos = "https://mirrors.ustc.edu.cn/CRAN/") 
install.packages("reshape", repos = "https://mirrors.ustc.edu.cn/CRAN/") 
# 载入库
library(MASS)
library(reshape2)
library(reshape)

# 创建数据框
id<- c(1, 1, 2, 2)
time <- c(1, 2, 1, 2)
x1 <- c(5, 3, 6, 2)
x2 <- c(6, 5, 1, 4)
mydata <- data.frame(id, time, x1, x2)

# 原始数据框
cat("原始数据框:\n")
print(mydata)
# 整合
md <- melt(mydata, id = c("id","time"))

cat("\n整合后:\n")
print(md)
# cast 函数用于对合并对数据框进行还原，dcast() 返回数据框，acast() 返回一个向量/矩阵/数组。

# cast() 函数语法格式：
# 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)
)
# 参数说明：
# 
# data：合并的数据框。
# formula：重塑的数据的格式，类似 x ~ y 格式，x 为行标签，y 为列标签 。
# fun.aggregate：聚合函数，用于对 value 值进行处理。
# margins：变量名称的向量（可以包含"grand\_col" 和 "grand\_row"），用于计算边距，设置 TURE 计算所有边距。
# subset：对结果进行条件筛选，格式类似 subset = .(variable=="length")。
# drop：是否保留默认值。
# value.var：后面跟要处理的字段。
# 载入库
library(MASS)
library(reshape2)
library(reshape)

# 创建数据框
id<- c(1, 1, 2, 2)
time <- c(1, 2, 1, 2)
x1 <- c(5, 3, 6, 2)
x2 <- c(6, 5, 1, 4)
mydata <- data.frame(id, time, x1, x2)
print(mydata)
# 整合
md <- melt(mydata, id = c("id","time"))
# Print recasted dataset using cast() function
cast.data <- cast(md, id~variable, mean)
print(mydata)
print(cast.data)

cat("\n")
time.cast <- cast(md, time~variable, mean)
print(mydata)
print(time.cast)


cat("\n")
id.time <- cast(md, id~time, mean)
print(mydata)
print(id.time)

cat("\n")
id.time.cast <- cast(md, id+time~variable)
print(mydata)
print(id.time.cast)

cat("\n")
id.variable.time <- cast(md, id+variable~time)
print(mydata)
print(id.variable.time)

cat("\n")
id.variable.time2 <- cast(md, id~variable+time)
print(mydata)
print(id.variable.time2)