寬數(shù)據(jù)
寬數(shù)據(jù)是指數(shù)據(jù)集對(duì)所有的變量進(jìn)行了明確的細(xì)分夫嗓，各變量的值不存在重復(fù)循環(huán)的情況也無(wú)法歸類。數(shù)據(jù)總體的表現(xiàn)為 變量多而觀察值少。每一列為一個(gè)變量俩由，每一行為變量所對(duì)應(yīng)的值。例如s1-s10為變量名：
長(zhǎng)數(shù)據(jù)
長(zhǎng)數(shù)據(jù)是指數(shù)據(jù)集中的變量沒(méi)有做明確的細(xì)分幻梯，即變量中至少有一個(gè)變量中的元素存在值嚴(yán)重重復(fù)循環(huán)的情況（可以歸為幾類），表格整體的形狀為長(zhǎng)方形努释，即 變量少而觀察值多。一列包含了所有的變量煞躬，而另一列則是與之相關(guān)的值。例如S包含了所有的變量名：
為什么要長(zhǎng)寬數(shù)據(jù)相互轉(zhuǎn)換
長(zhǎng)數(shù)據(jù)與寬數(shù)據(jù)之間的轉(zhuǎn)換通常是作圖需要逸邦，寬數(shù)據(jù)格式無(wú)法利用ggplot做出圖形恩沛。例如分組柱狀圖等均需要長(zhǎng)數(shù)據(jù)。此外雷客，當(dāng)數(shù)據(jù)清洗完成后桥狡，導(dǎo)入某些軟件時(shí)搅裙，例如導(dǎo)入SPSS軟件進(jìn)行方差分析或者相關(guān)性分析等時(shí)候，寬數(shù)據(jù)格式會(huì)更好娜汁。因此需要對(duì)數(shù)據(jù)進(jìn)行長(zhǎng)寬格式相互轉(zhuǎn)換兄朋。
轉(zhuǎn)換方法
目前常用的轉(zhuǎn)換方式有兩種，分別是手動(dòng)復(fù)制粘貼和軟件輔助(本文僅涉及R語(yǔ)言：R語(yǔ)言主要有tidyr包和reshape2包)颅和。如數(shù)據(jù)量小的話，手動(dòng)復(fù)制粘貼也是可以的享完；但當(dāng)數(shù)據(jù)量十分龐大時(shí)有额，利用軟件轉(zhuǎn)換還是比較方便的。本文介紹R語(yǔ)言的tidyr包和reshape2包巍佑，掌握好這兩個(gè)包的轉(zhuǎn)換方法，數(shù)據(jù)前處理將會(huì)輕松很多堕义。
方法示例
###長(zhǎng)寬格式數(shù)據(jù)互轉(zhuǎn)###
#清空工作環(huán)境
rm(list=ls())
#導(dǎo)入數(shù)據(jù)(將本數(shù)據(jù)看出寬格式)
data<-read.csv("D:/Users/ASUS/Desktop/NR.csv")
data#本數(shù)據(jù)共計(jì)40行脆栋，這里只截圖了28行
加載需要用到的兩個(gè)包
#使用tidyr包的gather()&spread()函數(shù)
library(tidyr)
##使用reshape2包的melt()&dcast()函數(shù)
library(reshape2)
寬格式轉(zhuǎn)化為長(zhǎng)格式
############寬格式轉(zhuǎn)化為長(zhǎng)格式#################
#gather()函數(shù)將寬格式轉(zhuǎn)化為長(zhǎng)格式
#data為需要轉(zhuǎn)的數(shù)據(jù)集名,S為原數(shù)據(jù)列名的新列名,OUT為值的新列名
data_long_g<-gather(data, S, value, s1:s10)
data_long_g
#melt()函數(shù)將寬格式轉(zhuǎn)化為長(zhǎng)格式
data_long_m<-melt(data, id.vars = c("OTU"), #需保留的不參與聚合的變量列名
measure.vars = c('s1','s2','s3','s4','s5',
's6','s7','s8','s9','s10'),#需要聚合的變量s1-s10
variable.name = c('S'),#聚合變量的新列名
value.name = 'value')#聚合值的新列名
data_long_m
可以通過(guò)R語(yǔ)言判斷兩種方法轉(zhuǎn)化后的數(shù)據(jù)是否完全一致
#判斷兩種方法轉(zhuǎn)化后的數(shù)據(jù)是否完全一致
#返回TRUE則為完全相等
data_long_g == data_long_m
長(zhǎng)格式轉(zhuǎn)化為寬格式
############長(zhǎng)格式轉(zhuǎn)化為寬格式#################
#spread()函數(shù)將寬格式轉(zhuǎn)化為長(zhǎng)格式
data_wide_s<-spread(data_long_g, S, value)
data_wide_s
#dcast()函數(shù)將寬格式轉(zhuǎn)化為長(zhǎng)格式
data_wide_d<-dcast(data_long_m, OTU~data_long_m$S,
value.var = 'value')
data_wide_d
可以用R語(yǔ)言判斷兩種方法轉(zhuǎn)化后的數(shù)據(jù)是否完全一致椿争，返回TRUE則為完全相等
data_wide_s == data_wide_d
由于data_wide_s的s1-s10并非按照數(shù)字順序排列,因此有FALSE,但實(shí)際上是沒(méi)有問(wèn)題的
通過(guò)這里也可以看到，兩種方法轉(zhuǎn)換的數(shù)據(jù)觀測(cè)值數(shù)和變量數(shù)一致褐捻，說(shuō)明沒(méi)有問(wèn)題椅邓。
參考文獻(xiàn)
[1] https://blog.csdn.net/Ray_zhu/article/details/78679913
[2] https://cran.r-project.org/web/packages/tidyr/index.html
[3] https://cran.r-project.org/web/packages/reshape2/index.html
