R语言||reshape2包在长宽数据格式转换中的用法

同名公主号：BBio

reshape2包最常用的场景就是长数据和宽数据的转换，两个函数即可搞定。作者也是tidyverse的作者，Rstudio项目的首席科学家Hadley Wickham。reshape2已经很久没有更新了，tidyverse工作流下的tidyr是实现数据转换更好的工具，不过此处还是简单介绍一下。

//长数据：ggplot2绘图数据格式

data <- data.frame(celltype=rep(c("T cells", "B cells"), each=3), 
                   sample=rep(c("S1", "S2", "S3"), 2), 
                  percent=runif(6))
#celltype sample   percent
#1  T cells     S1 0.9825346
#2  T cells     S2 0.3768486
#3  T cells     S3 0.8072078
#4  B cells     S1 0.8889155
#5  B cells     S2 0.8150424
#6  B cells     S3 0.5531544

//宽数据：pheatmap绘图数据格式

data <- data.frame(celltype=c("T cells", "B cells"), 
                  S1=runif(2), 
                  S2=runif(2), 
                  S3=runif(2))
#celltype        S1        S2         S3
#1  T cells 0.1704449 0.3704776 0.82863072
#2  B cells 0.6085021 0.5197027 0.09653481

//如何实现两者的相互转换？

• melt函数：宽数据转为长数据

library(reshape2)
?melt

data <- data.frame(celltype=c("T cells", "B cells"), 
                  S1=runif(2), 
                  S2=runif(2), 
                  S3=runif(2))

#id.vars定义锚点，也可以直接写id
melt(data, id.vars=c("celltype"), variable.name="sample", value.name="percent")
#celltype sample    percent
#1  T cells     S1 0.17044494
#2  B cells     S1 0.60850210
#3  T cells     S2 0.37047760
#4  B cells     S2 0.51970266
#5  T cells     S3 0.82863072
#6  B cells     S3 0.09653481

• dcast函数：长数据转为宽数据

?dcast

data <- data.frame(celltype=rep(c("T cells", "B cells"), each=3), 
                   sample=rep(c("S1", "S2", "S3"), 2), 
                  percent=runif(6))
dcast(data, celltype ~ sample, value.var="percent")

#如果数据有多余的列怎么办？指定value.var定义解析为值的列
#如果解析的行有多个值怎么办？添加运算函数
names(airquality) <- tolower(names(airquality))
aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)
head(aqm)
#  month day variable value
#1     5   1    ozone    41
#2     5   2    ozone    36
#3     5   3    ozone    12
#4     5   4    ozone    18
#6     5   6    ozone    28
#7     5   7    ozone    23

#month和day对应的variable只有一行，不需要指定运算函数
dcast(aqm, month + day ~ variable)

#month和variable有多个行，指定运算函数，不然会统计频数
dcast(aqm, month ~ variable, fun.aggregate=mean)