Hadley Wickham의 웹 사이트 에는 현재 Journal of Statistical Software의 패키지에 reshape2대한 문서 링크를 포함 하여 패키지 (현재는 )에 대한 몇 가지 리소스가 있습니다 .
다음은이 논문의 간단한 예입니다.
> require(reshape2)
Loading required package: reshape2
> data(smiths)
> smiths
subject time age weight height
1 John Smith 1 33 90 1.87
2 Mary Smith 1 NA NA 1.54
우리는 자료가 넓은 형태임을 주목한다. 긴 형태로 이동하려면, 우리는 할 smiths데이터 프레임 용융를 :
> melt(smiths)
Using subject as id variables
subject variable value
1 John Smith time 1.00
2 Mary Smith time 1.00
3 John Smith age 33.00
4 Mary Smith age NA
5 John Smith weight 90.00
6 Mary Smith weight NA
7 John Smith height 1.87
8 Mary Smith height 1.54
melt()변수 중 하나를 id로 어떻게 선택 했는지 주목 하지만 인수를 통해 사용할 변수를 명시 적으로 지정할 수 있습니다 'id'.
> melt(smiths, id = "subject")
subject variable value
1 John Smith time 1.00
2 Mary Smith time 1.00
3 John Smith age 33.00
4 Mary Smith age NA
5 John Smith weight 90.00
6 Mary Smith weight NA
7 John Smith height 1.87
8 Mary Smith height 1.54
다음은 또 다른 예입니다 ?cast.
#Air quality example
names(airquality) <- tolower(names(airquality))
aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)
용융 데이터 프레임을 저장하면 다른 형태로 캐스트 할 수 있습니다 . 새 버전 reshape(호출 reshape2) 기능이있다 acast()및 dcast()배열 형상 (배열 행렬 벡터) 또는 각각 결과 데이터 프레임을 리턴이. 이러한 함수는 또한 집계 함수 (예 mean():)를 사용하여 용융 된 형태의 데이터 요약을 제공합니다. 예를 들어, 위의 대기 질 예에서 다음과 같이 데이터 세트의 변수에 대한 월별 평균 값을 다양한 형식으로 생성 할 수 있습니다.
> dcast(aqm, month ~ variable, mean)
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 76.90000
에 두 가지 주요 기능 만 있습니다 reshape2: melt()및 acast()및 dcast()페어링. 이 두 가지 기능에 대한 도움말 페이지의 예를보고 Hadley 웹 사이트 (위의 링크)를 참조하고 언급 한 논문을보십시오. 시작해야합니다.
Hadley의 plyr패키지 를 살펴보면 비슷한 일을 reshape2하지만 훨씬 더 많은 일을 하도록 설계되었습니다.