R实现类似EXCEL中数据的透视功能：数据的行列转换
先介绍下融合和重铸能实现什么样的功能：
例子：想把表1—->>转换成为表2
表1：
表2：
R实现数据的透视功能，使用reshape2包中的melt()函数和dcast()函数。在《R语言实战》这本书中有着详细的介绍。我在这里引用了其中的一些内容。
首先是融合函数，融合顾名思义就是把原先的数据进行融化合并，具体melt()函数会融合成什么样的形式呢？
Library(reshape2)
Md=melt(mydata,id=c(“ID”,”Time”)
其中的参数id是用来唯一的确定观察值的，就行是sql中的主键一样。
其余没有纳入id的特征/属性都会被R默认为归为variable这个新生成的特征/属性中。最后一列就是对应的value。
这就是melt函数把原先的数据表融合后的形式。
把数据融合好之后，就可以进行数据的重铸了。重铸的函数式dcast()函数，d的含义在这里是dataframe的含义。
重铸成什么样式呢？
Newdata=dcast(md,formulate,fun.aggregate，fill=value)
其中formulate的形式如下：
Rowvar1+rowvr2+….=colvar1+colvar2+colvar3+…；公式的左边变量从melt中划出来用来作为重铸表的行变量，右边是确定重铸表的列变量，未在公式中的变量是当做值变量了。
Fun.aggrate函数是可选的数据整合函数，作用在重铸表的数值上面。
Fill=value ；其中fill参数是用来指定重铸后的表中缺失值使用什么数值来代替。
上面的例子的直接使用重铸就可以实现：
library（reshape2）
data <- read.csv(file = ” “,stringsAsFactors = F)
newdata <-dcast(data,用户~手机品牌)
在这里介绍一下管道函数我感觉是非常好用的在R中。因为管道函数的出现使得R中避免生成过多的变量，节省内存不说还能使得代码显得很简洁且容易理解。第二是能够避免使用过多的括号，生成复杂的函数套函数的形式。
%>%
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
近日，由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》，被中国教育科学研究院官方账号正式收录， ...
2026-04-22在数字化时代，客户每一次点击、浏览、下单、咨询等行为，都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹，构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石，而“数据清洗”作为数据预处理的核心环节，是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看，但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中，数据并非静止不变的数值，而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域，当研究涉及多个自变量与多个因变量之间的复杂关联时，多变量一般线性分析（Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计，能熟练计算均值、中位数、标准差，但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中，日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪，还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中，特征工程是连接原始数据与模型效果的关键环节，而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法，却忽略了数据分析最基础也最核心的能力——描述性统计。事实上，80%的商业分析问题， ...
2026-04-20在数字化时代，数据已成为企业决策的核心驱动力，数据分析与数据挖掘作为解锁数据价值的关键手段，广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中，将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表，要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作，80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告，表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域，Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势，成为数据聚类任务中的主流算法，广泛应用于用 ...
2026-04-16在机器学习建模实践中，特征工程是决定模型性能的核心环节之一。面对高维数据集，冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代，用户是产品的核心资产，用户运营的本质的是通过科学的指标监测、分析与优化，实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中，数据模型、本体模型、业务模型是三大核心基础模型，三者相互支撑、各 ...
2026-04-15数据分析师的一天，80%的时间花在表格数据上，但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别，不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中，模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型，还是推荐、预测类模型， ...
2026-04-14
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
