R包reshape2，轻松实现长、宽数据表格转换
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
在R中赞扬下努力工作的你，奖励一份CheatShet
别人的电子书，你的电子书，都在bookdown
R语言 - 入门环境Rstudio
R语言 - 热图绘制 (heatmap)
R语言 - 基础概念和矩阵操作
R语言 - 热图简化
R语言 - 热图美化
R语言 - 线图绘制
R语言 - 线图一步法
R语言 - 箱线图（小提琴图、抖动图、区域散点图）
R语言 - 箱线图一步法
R语言 - 火山图
R语言 - 富集分析泡泡图
R语言 - 散点图绘制
R语言 - 韦恩图
R语言 - 柱状图
R语言 - 图形设置中英字体
R语言 - 非参数法生存分析
R语言 - 绘制seq logo图
WGCNA分析，简单全面的最新教程
一文看懂PCA主成分分析
富集分析DotPlot，可以服
基因共表达聚类分析和可视化
R中1010个热图绘制方法
还在用PCA降维？快学学大牛最爱的t-SNE算法吧, 附Python/R代码
一个函数抓取代谢组学权威数据库HMDB的所有表格数据
文章用图的修改和排版
network3D: 交互式桑基图
network3D 交互式网络生成
Seq logo 在线绘制工具——Weblogo
生物AI插图素材获取和拼装指导
ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
图像处理R包magick学习笔记
SOM基因表达聚类分析初探
利用gganimate可视化全球范围R-Ladies（R社区性别多样性组织）发展情况
一分钟绘制磷脂双分子层：AI零基础入门和基本图形绘制
AI科研绘图（二）：模式图的基本画法
Graphpad，经典绘图工具初学初探
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
系列教程：微生物组入门 Biostar 微生物组 宏基因组
专业技能：学术图表 高分文章 生信宝典 不可或缺的人
一文读懂：宏基因组 寄生虫益处 进化树
必备技能：提问 搜索 Endnote
文献阅读 热心肠 SemanticScholar Geenmedical
扩增子分析：图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
在线工具：16S预测培养基 生信绘图
科研经验：云笔记 云协作 公众号
编程模板: Shell R Perl
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”
