我已经在SO上阅读了一些类似问题的参考资料，但是还没有找到解决方案，并且想知道是否有任何方法只使用data.table来执行以下操作。
我将使用简化示例，但在实践中，我的数据表具有＆gt; 1000列类似于var1，var2，... var1000等
dt <- data.table(uid=c("a","b"), var1=c(1,2), var2=c(100,200))
我正在寻找一种解决方案，可以让我获得类似于reshape融化功能的输出 -
> melt(dt, id=c("uid"))
uid variable value
1 a var1 1
2 b var1 2
3 a var2 100
4 b var2 200
也就是说，除了uid之外的所有列都列在单个列下，并且相邻列中包含相应的值。我已经尝试过使用list等的组合，但可能会遗漏一些明显的东西。
dt中的所有uid都是唯一的。
提前致谢。
答案 0 :(得分：18)
对于data.table重塑，请尝试以下操作：
dt[, list(variable = names(.SD), value = unlist(.SD, use.names = F)), by = uid]
语法的成本是值得的;该功能运行得非常快！
答案 1 :(得分：8)
stack通常优于melt。
使用stack解决此问题的直接方法是：
dt[, stack(.SD), by = "uid"]
当然，如有必要，您可以指定.SDcols。然后，使用setnames()将名称更改为您想要的任何名称。
（自我提升警报）
我编写了一些函数并将它们放在一个名为“splitstackshape”的包中。其中一个函数称为Stacked()，而“splitstackshape”包的in the 1.2.0 version应该非常快。
与仅堆叠data.table中的所有剩余列有点不同。它更类似于基础R reshape()而不是“reshape2”中的melt()。以下是Stacked()的实例示例。
我已经创建了一个相当大的data.table来进行此测试。我们要堆叠50个数字列，我们要堆叠50个因子列。我还进一步优化了@ Andreas的答案。
set.seed(1)
m1 <- matrix(rnorm(10000*50), ncol = 50)
m2 <- matrix(sample(LETTERS, 10000*50, replace = TRUE), ncol = 50)
colnames(m1) <- paste("varA", sprintf("%02d", 1:50), sep = "_")
colnames(m2) <- paste("varB", sprintf("%02d", 1:50), sep = "_")
dt <- data.table(uid = 1:10000, m1, m2)
test1 <- function() Stacked(dt, "uid", c("varA", "varB"), "_")
## merged.stack
test2 <- function() merged.stack(dt, "uid", c("varA", "varB"), "_")
## unlist(..., use.names = TRUE) -- OPTIMIZED
test3 <- function() {
list(cbind(dt[, "uid", with = FALSE],
dt[, list(variable = rep(names(.SD), each = nrow(dt)),
value = unlist(.SD)),
.SDcols = 2:51]),
cbind(dt[, "uid", with = FALSE],
dt[, list(variable = rep(names(.SD), each = nrow(dt)),
value = unlist(.SD)),
.SDcols = 52:101]))
}
## unlist(..., use.names = FALSE) -- OPTIMIZED
test4 <- function() {
list(cbind(dt[, "uid", with = FALSE],
dt[, list(variable = rep(names(.SD), each = nrow(dt)),
value = unlist(.SD, use.names = FALSE)),
.SDcols = 2:51]),
cbind(dt[, "uid", with = FALSE],
dt[, list(variable = rep(names(.SD), each = nrow(dt)),
value = unlist(.SD, use.names = FALSE)),
.SDcols = 52:101]))
}
## Andreas's current answer
test5 <- function() {
list(dt[, list(variable = names(.SD),
value = unlist(.SD, use.names = FALSE)),
by = uid, .SDcols = 2:51],
dt[, list(variable = names(.SD),
value = unlist(.SD, use.names = FALSE)),
by = uid, .SDcols = 52:101])
}
library(microbenchmark)
microbenchmark(Stacked = test1(), merged.stack = test2(),
unlist.namesT = test3(), unlist.namesF = test4(),
AndreasAns = test5(), times = 3)
# Unit: milliseconds
# expr min lq median uq max neval
# Stacked 391.3251 393.0976 394.8702 421.4185 447.9668 3
# merged.stack 764.3071 769.6935 775.0799 867.2638 959.4477 3
# unlist.namesT 1680.0610 1761.9701 1843.8791 1881.9722 1920.0653 3
# unlist.namesF 215.0827 242.7748 270.4669 270.6944 270.9218 3
# AndreasAns 16193.5084 16249.5797 16305.6510 16793.3832 17281.1154 3
^^我不确定安德烈亚斯目前的答案为何如此缓慢。我所做的“优化”基本上是unlist而没有使用by，这在“varB”（因子）列上产生了巨大的差异。
手动方法仍然比“splitstackshape”中的函数更快，但这些是我们正在讨论的毫秒，以及一些非常紧凑的单行代码！
供参考，以下是Stacked()的输出结果。这是list“堆积”data.table，每个堆叠变量都有一个列表项。
test1()
# $varA
# uid .time_1 varA
# 1: 1 01 -0.6264538
# 2: 1 02 -0.8043316
# 3: 1 03 0.2353485
# 4: 1 04 0.6179223
# 5: 1 05 -0.2212571
# ---
# 499996: 10000 46 -0.6859073
# 499997: 10000 47 -0.9763478
# 499998: 10000 48 0.6579464
# 499999: 10000 49 0.7741840
# 500000: 10000 50 0.5195232
#
# $varB
# uid .time_1 varB
# 1: 1 01 D
# 2: 1 02 A
# 3: 1 03 S
# 4: 1 04 L
# 5: 1 05 T
# ---
# 499996: 10000 46 A
# 499997: 10000 47 W
# 499998: 10000 48 H
# 499999: 10000 49 U
# 500000: 10000 50 W
而且，这是merged.stack输出的样子。它类似于从基础R使用reshape(..., direction = "long")时获得的内容。
test2()
# uid .time_1 varA varB
# 1: 1 01 -0.6264538 D
# 2: 1 02 -0.8043316 A
# 3: 1 03 0.2353485 S
# 4: 1 04 0.6179223 L
# 5: 1 05 -0.2212571 T
# ---
# 499996: 10000 46 -0.6859073 A
# 499997: 10000 47 -0.9763478 W
# 499998: 10000 48 0.6579464 H
# 499999: 10000 49 0.7741840 U
# 500000: 10000 50 0.5195232 W
答案 2 :(得分：6)
您可能想要从我的包melt_中尝试Kmisc。 melt_基本上是对reshape2:::melt.data.frame的重写，其中大部分工作都是用C语言完成的，并且尽可能避免复制和类型强制，以便快速实现。
一个例子：
## devtools::install_github("Kmisc", "kevinushey")
library(Kmisc)
library(reshape2)
library(microbenchmark)
n <- 1E6
big_df <- data.frame( stringsAsFactors=FALSE,
x=sample(letters, n, TRUE),
y=sample(LETTERS, n, TRUE),
za=rnorm(n),
zb=rnorm(n),
zc=rnorm(n)
)
all.equal(
melt <- melt(big_df, id.vars=c('x', 'y')),
melt_ <- melt_(big_df, id.vars=c('x', 'y'))
)
## we don't convert the 'variable' column to factor by default
## if we do, we see they're identical
melt_$variable <- factor(melt_$variable)
stopifnot( identical(melt, melt_) )
microbenchmark( times=5,
melt=melt(big_df, id.vars=c('x', 'y')),
melt_=melt_(big_df, id.vars=c('x', 'y'))
)
给了我
Unit: milliseconds
expr min lq median uq max neval
melt 916.40436 931.60031 999.03877 1102.31090 1160.3598 5
melt_ 61.59921 78.08768 90.90615 94.52041 182.0879 5
运气好的话，这对你的数据来说足够快。