R语言中长宽数据的相互转换
一、长格式与宽格式
使用表格存储多变量数据时一般有长格式（long-format）与宽格式（wide-format）两种。长格式是将多个变量的名称聚成一列作为一个“变量”维度，将多个变量的值聚成一列作为一个“值”维度；宽格式中的每个变量都是一列，作为一个维度。以下为两种格式的示例。
长格式：
| 姓名 | 属性 | 值 |
|---|---|---|
| 王一 | 身高 | 175 |
| 王一 | 体重 | 70 |
| 王一 | 血型 | A |
| 张三 | 身高 | 185 |
| 张三 | 体重 | 80 |
| 张三 | 血型 | AB |
| 李四 | 身高 | 161 |
| 李四 | 体重 | 51 |
| 李四 | 血型 | A |
宽格式：
| 姓名 | 身高 | 体重 | 血型 |
|---|---|---|---|
| 王一 | 175 | 70 | A |
| 张三 | 185 | 80 | AB |
| 李四 | 161 | 51 | A |
二、为什么需要对数据进行转换
多变量数据的长宽格式有各自的特点和优势，因此不同的需求就需要有不同的方式来展现和表达。比如，计算两个变量的相关性和进行回归分析时，宽数据会更好处理；但进行绘图时，不同的变量常常需要被作为x轴，而值为y轴，因此长数据会更好处理。此外，不同函数也常常对应着不同的格式数据。
三、使用reshape2包进行转换
reshape2::melt()函数可以将宽格式转为长格式。
melt(data, # 输入的数据集
id.vars, # 不需要进行合并的非变量名称
measure.vars, # 需要进行合并的变量名称
...,
na.rm = FALSE, # 是否去除缺失值
variable.name = , # 转换后“变量”列的名称
value.name = 'value',) # 转换后“值”列的名称
reshape2::dcast()函数可以将长格式转为宽格式。
dcast(data, # 输入的数据集
formula, # 需要拆散的方式，格式为“非变量列 ~ 变量列”
...,
value.var = "Value", # “值”列的名称
fun.aggregate = NULL) # 若拆散后需要使用函数聚合可使用此参数
四、实践应用
首先引入本节所需的两个包：
library(reshape2)
library(ggplot2)
以R自带的iris数据集为例，使用head(iris)查看一下数据：
> head(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
若需要绘制不同种类鸢尾花四个属性的值的分布情况，则需要先转为长格式。在此之前，因该数据无样本编号，因此添加一列索引编号。
> data <- iris
> data$Index <- 1:nrow(data)
> data_long <- melt(data = data,
+ id.vars = c("Species","Index"))
> head(data_long)
Species Index variable value
1 setosa 1 Sepal.Length 5.1
2 setosa 2 Sepal.Length 4.9
3 setosa 3 Sepal.Length 4.7
4 setosa 4 Sepal.Length 4.6
5 setosa 5 Sepal.Length 5.0
6 setosa 6 Sepal.Length 5.4
此时可使用ggplot2中的geom_boxplot()函数进行绘制：
ggplot(data = data_long,
mapping = aes(x = Variable, y = Value, color = Species))+
geom_boxplot()+
theme_bw()+
theme(panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
legend.position = c(0.88,0.82))
若data_long就是获得的原始数据，而此时希望绘制萼片长度（Sepal.Length）与萼片宽度（Sepal.Width）的散点图，同时还要表现出其他三个属性的维度，则需要将数据的维度增加，即转为宽数据。使用以下代码进行转换：
> data_wide <- dcast(data = data_long,
+ formula = Index + Species ~ variable,
+ value.var = "value",
+ fun.aggregate = NULL)
> head(data_wide)
Index Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1 1 setosa 5.1 3.5 1.4 0.2
2 2 setosa 4.9 3.0 1.4 0.2
3 3 setosa 4.7 3.2 1.3 0.2
4 4 setosa 4.6 3.1 1.5 0.2
5 5 setosa 5.0 3.6 1.4 0.2
6 6 setosa 5.4 3.9 1.7 0.4
此时可使用ggplot2中的geom_point()搭配facet_wrap()函数进行绘制：
ggplot(data = data_wide,
mapping = aes(x = Sepal.Length,
y = Sepal.Width,
size = Petal.Length,
color = Petal.Width))+
geom_point(alpha = 0.8)+
facet_wrap(Species~., nrow = 3)+
scale_size_continuous(range = c(2,5))+
scale_color_gradient2(low = "blue",
mid = "yellow",
high = "red",
midpoint = mean(data_wide$Petal.Width))
