現在給大家介紹的資料處理技巧是長轉寬，也就相當於Excel中的轉置，不過用R語言實現的長轉寬還有資料合併的功能，自然比Excel強大多了。

這裡給大家介紹4個函式，其中melt()、dcast()來自reshape2包，gather（）、spread()來自tidyr包

一、寬轉長——melt()、gather（）

mydata<-data.frame(
  name=c("store1","store2","store3","store4"),
  address=c("普陀區","黃浦區","徐彙區","浦東新區"),
  sale2014=c(3000,2500,2100,1000),
  sale2015=c(3020,2800,3900,2000),
  sale2016=c(5150,3600,2700,2500),
  sale2017=c(4450,4100,4000,3200)
)
#寬轉長——melt
mydata1<-melt(
  mydata,
  id.vars=c("address","name"),#要保留的主欄位
  variable.name = "Year",#轉換後的分類欄位名稱（維度）
  value.name = "Sale" #轉換後的度量值名稱
)
 

輸出結果

> mydata1<-melt(
+   mydata,
+   id.vars=c("address","name"),#要保留的主欄位
+   variable.name = "Year",#轉換後的分類欄位名稱（維度）
+   value.name = "Sale" #轉換後的度量值名稱
+ )
> mydata1
    address   name     Year Sale
1    普陀區 store1 sale2014 3000
2    黃浦區 store2 sale2014 2500
3    徐彙區 store3 sale2014 2100
4  浦東新區 store4 sale2014 1000
5    普陀區 store1 sale2015 3020
6    黃浦區 store2 sale2015 2800
7    徐彙區 store3 sale2015 3900
8  浦東新區 store4 sale2015 2000
9    普陀區 store1 sale2016 5150
10   黃浦區 store2 sale2016 3600
11   徐彙區 store3 sale2016 2700
12 浦東新區 store4 sale2016 2500
13   普陀區 store1 sale2017 4450
14   黃浦區 store2 sale2017 4100
15   徐彙區 store3 sale2017 4000
16 浦東新區 store4 sale2017 3200
 

再來看看gather（）函式怎麼用

> #寬轉長——gather
> mydata1<-tidyr::gather(
+   data=mydata,
+   key="Year",
+   value="sale",
+   sale2014:sale2017
+ )
> mydata1
     name  address     Year sale
1  store1   普陀區 sale2014 3000
2  store2   黃浦區 sale2014 2500
3  store3   徐彙區 sale2014 2100
4  store4 浦東新區 sale2014 1000
5  store1   普陀區 sale2015 3020
6  store2   黃浦區 sale2015 2800
7  store3   徐彙區 sale2015 3900
8  store4 浦東新區 sale2015 2000
9  store1   普陀區 sale2016 5150
10 store2   黃浦區 sale2016 3600
11 store3   徐彙區 sale2016 2700
12 store4 浦東新區 sale2016 2500
13 store1   普陀區 sale2017 4450
14 store2   黃浦區 sale2017 4100
15 store3   徐彙區 sale2017 4000
16 store4 浦東新區 sale2017 3200
 

和melt（）函式不同，gather（）函式需要指定關鍵欄位key,以及關鍵欄位對應的值value，但是gather（）函式更加好理解。

二、長轉寬——dcast()和spread()

還是用上面的data1資料集，先來看看dcast()函式

#長轉寬——dcast
dcast(
  data=mydata1,
  name+address~Year
  #左側是要保留的欄位，右側是要分割的分類變數，列數等於表示式
  #右側分類變數的類別個數
)

> #長轉寬——dcast
> dcast(
+   data=mydata1,
+   name+address~Year
+   #左側是要保留的欄位，右側是要分割的分類變數，列數等於表示式
+   #右側分類變數的類別個數
+ )
Using sale as value column: use value.var to override.
    name  address sale2014 sale2015 sale2016 sale2017
1 store1   普陀區     3000     3020     5150     4450
2 store2   黃浦區     2500     2800     3600     4100
3 store3   徐彙區     2100     3900     2700     4000
4 store4 浦東新區     1000     2000     2500     3200

#長轉寬——spread
tidyr::spread(
  data=mydata1,
  key=Year,
  value=sale
)

> #長轉寬——spread
> tidyr::spread(
+   data=mydata1,
+   key=Year,
+   value=sale
+ )
    name  address sale2014 sale2015 sale2016 sale2017
1 store1   普陀區     3000     3020     5150     4450
2 store2   黃浦區     2500     2800     3600     4100
3 store3   徐彙區     2100     3900     2700     4000
4 store4 浦東新區     1000     2000     2500     3200

直接呼叫tidyr::spread，需要指定關鍵欄位key和對應的值value。

但是從理解上來看，我個人更喜歡tidyr包的函式，使用很清晰，大家可以根據實際情況自行選擇，好啦，今天的分享結束，下次再見！