我需要将我的宽表重新整形为长格式，但为每条记录保留多个字段，例如：
dw <- read.table(header=T, text='
sbj f1.avg f1.sd f2.avg f2.sd blabla
A 10 6 50 10 bA
B 12 5 70 11 bB
C 20 7 20 8 bC
D 22 8 22 9 bD
')
# Now I want to melt this table, keeping both AVG and SD as separate fields for each measurement, to get something like this:
# sbj var avg sd blabla
# A f1 10 6 bA
# A f2 50 10 bA
# B f1 12 5 bB
# B f2 70 11 bB
# C f1 20 7 bC
# C f2 20 8 bC
# D f1 22 8 bD
# D f2 22 9 bD
我有使用melt和reshape的基本知识，但对我来说，如何在我的案例中应用此类重塑并不明显。
如果已经提出类似的问题，我会感激任何提示或指向另一个SO帖子。
答案 0 :(得分：25)
reshape使用适当的参数进行此操作。
varying列出以宽格式存在的列，但以长格式拆分为多行。 v.names是长格式等价物。在这两者之间，创建了一个映射。
来自?reshape：
此外，如果明确给出v.names，则不会尝试猜测。请注意，变量的变量顺序类似于x.1，y.1，x.2，y.2。
鉴于这些varying和v.names个参数，reshape足够智能，可以看到我已指定索引位于此处的点之前（即，顺序1.x，1 .y，2.x，2.y）。请注意，原始数据按此顺序包含列，因此我们可以为此示例数据指定varying=2:5，但这通常不安全。
鉴于times和v.names的值，reshape会在varying字符（默认.参数）上拆分sep列在输出中创建列。
times指定要在创建的var列中使用的值，并将v.names粘贴到这些值上以获取宽格式的列名称以映射到结果。
最后，idvar被指定为sbj列，以宽格式标识各个记录（感谢@thelatemail）。
reshape(dw, direction='long',
varying=c('f1.avg', 'f1.sd', 'f2.avg', 'f2.sd'),
timevar='var',
times=c('f1', 'f2'),
v.names=c('avg', 'sd'),
idvar='sbj')
## sbj blabla var avg sd
## A.f1 A bA f1 10 6
## B.f1 B bB f1 12 5
## C.f1 C bC f1 20 7
## D.f1 D bD f1 22 8
## A.f2 A bA f2 50 10
## B.f2 B bB f2 70 11
## C.f2 C bC f2 20 8
## D.f2 D bD f2 22 9
答案 1 :(得分：24)
使用Hadley的新tidyr包的另一种选择。
library(tidyr)
library(dplyr)
dw <- read.table(header=T, text='
sbj f1.avg f1.sd f2.avg f2.sd blabla
A 10 6 50 10 bA
B 12 5 70 11 bB
C 20 7 20 8 bC
D 22 8 22 9 bD
')
dw %>%
gather(v, value, f1.avg:f2.sd) %>%
separate(v, c("var", "col")) %>%
arrange(sbj) %>%
spread(col, value)
答案 2 :(得分：7)
除了从f中的元素中移除time之外，这似乎可以做你想要的。
reshape(dw, idvar = "sbj", varying = list(c(2,4),c(3,5)), v.names = c("ave", "sd"), direction = "long")
sbj blabla time ave sd
A.1 A bA 1 10 6
B.1 B bB 1 12 5
C.1 C bC 1 20 7
D.1 D bD 1 22 8
A.2 A bA 2 50 10
B.2 B bB 2 70 11
C.2 C bC 2 20 8
D.2 D bD 2 22 9
答案 3 :(得分：7)
melt的 data.table，通过将measure.vars中的列索引指定为list来实现此目的。
melt(setDT(dw), measure.vars=list(c(2,4), c(3,5)),
variable.name='var', value.name=c('avg', 'sd'))[,
var:= paste0('f',var)][order(sbj)]
# sbj blabla var avg sd
#1: A bA f1 10 6
#2: A bA f2 50 10
#3: B bB f1 12 5
#4: B bB f2 70 11
#5: C bC f1 20 7
#6: C bC f2 20 8
#7: D bD f1 22 8
#8: D bD f2 22 9
或者您可以使用新的patterns功能：
melt(setDT(dw),
measure = patterns("avg", "sd"),
variable.name = 'var', value.name = c('avg', 'sd'))
# sbj blabla var avg sd
# 1: A bA 1 10 6
# 2: B bB 1 12 5
# 3: C bC 1 20 7
# 4: D bD 1 22 8
# 5: A bA 2 50 10
# 6: B bB 2 70 11
# 7: C bC 2 20 8
# 8: D bD 2 22 9
答案 4 :(得分：6)
要添加到此处提供的选项，您还可以考虑我的＆＃34; splitstackshape＆＃34;中的merged.stack。包：
library(splitstackshape)
merged.stack(dw, var.stubs = c("avg", "sd"), sep = "var.stubs", atStart = FALSE)
# sbj blabla .time_1 avg sd
# 1: A bA f1. 10 6
# 2: A bA f2. 50 10
# 3: B bB f1. 12 5
# 4: B bB f2. 70 11
# 5: C bC f1. 20 7
# 6: C bC f2. 20 8
# 7: D bD f1. 22 8
# 8: D bD f2. 22 9
您还可以对".time_1"变量进行更多清理，就像这样。
merged.stack(dw, var.stubs = c("avg", "sd"),
sep = "var.stubs", atStart = FALSE)[, .time_1 := sub(
".", "", .time_1, fixed = TRUE)][]
# sbj blabla .time_1 avg sd
# 1: A bA f1 10 6
# 2: A bA f2 50 10
# 3: B bB f1 12 5
# 4: B bB f2 70 11
# 5: C bC f1 20 7
# 6: C bC f2 20 8
# 7: D bD f1 22 8
# 8: D bD f2 22 9
您会注意到使用atStart = FALSE参数。这是因为你的名字与重塑相关的函数似乎有点不同。通常，＆＃34; stub＆＃34;预计将首先出现，然后是＆＃34; times＆＃34;，就像这样：
dw2 <- dw
setnames(dw2, gsub("(.*)\\.(.*)", "\\2.\\1", names(dw2)))
names(dw2)
# [1] "sbj" "avg.f1" "sd.f1" "avg.f2" "sd.f2" "blabla"
如果名称采用该格式，那么基础R reshape和merged.stack都可以从更直接的语法中受益：
merged.stack(dw2, var.stubs = c("avg", "sd"), sep = ".")
reshape(dw2, idvar = c("sbj", "blabla"), varying = 2:5,
sep = ".", direction = "long")