r - 在哪些情况下，人们更喜欢通过 reshape 进行 melt 而不是通过 plyr 进行 ddply？我正在努力学习它们，它们看起来很相似

Question

似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框，然后通过转换让您执行聚合。 ddply，从 plyr 包看起来非常相似..你给它一个数据框，几个用于分组的列变量和一个聚合函数，然后你得到一个数据框......那么它们有什么不同并且在那里除了它们的文档(尤其是对于 reshape，有点难以理解)之外，任何可以分享的学习这些工具的好资源/引用资料

谢谢

Answer 1

一个区别是 stats::reshape 有一个内置的方法来处理“宽”数据，而 reshape2(cast/melt)没有。有关示例，请参见此问题:Reshape in the middle

也就是说，stats::reshape 有令人沮丧的争论，并且只专注于一种类型的数据转换(尽管是一种常见的类型)。

plyr 倾向于代替 apply 函数，而 reshape2 倾向于代替 reshape。尽管功能重叠，但它们各自适合特定的任务。

Hadley Wickham，reshape2 和 plyr 包的作者，有一个关于整洁数据的好 pdf 值得一读。他在这里也有一篇关于 plyr 的文章:http://www.jstatsoft.org/v40/i01