如何使用reshape包进行数据汇总
在数据分析过程中，利用各种图表进行数据探索是必要的前期工作。描述性统计中就包括了直方图、散点图等工具来探索连续数据，对于分类数据，则可以采用条形图、交叉分组表等工具。Excel中所谓的“数据透视表”，其实就是一个交互式的交叉分组表。在R语言中可以很容易的用table()等函数得到相应的结果。对于一些更为复杂的任务，就需要其它的函数或包来完成。本例先以iris数据集为研究对象示范一些基本函数的用法，再介绍reshape包的强大功能。
iris数据集中有五个变量，其中Species表示鸢尾属花的子类，其它四个变量分别是花瓣和萼片的长度和宽度。你可以用head(iris)来观察原始数据的一些样本。我们的第一个任务是想计算不同种类花在四个指标上的平均值。用到的函数有tapply，by及aggregate。这篇文章对它们有所涉及。
将数据解包后，先用tapply函数尝试，但会发现该函数一次只允许输入一个变量。如果要完全四个变量的计算可能得用到循环。放弃这个函数来试试用by函数，该函数可以一次输入多个变量，但输出结果为一个list格式，还需要用do.call函数进行整合，有点麻烦。最方便友好的还是aggregate函数，直接输出为数据框格式。另外它还允许用公式来设置分组因子。
attach(iris)
names(iris)
tapply(X=Sepal.Length,INDEX=Species,FUN=mean)
temp 《-by(data=iris[,1:4],INDICES=Species,FUN=mean)
do.call(rbind,temp)
aggregate(x=iris[,1:4],by=list(Species),FUN=mean)
aggregate(.~ Species, data = iris, mean)aggreagate函数表现已然不错，但还不够强大。比如说它没法直接得出表格的边际值，所以下面就请出本场的主角，即reshape包中的两员大将：melt与cast。这两个通常是配合使用，melt专门负责“融合”原始数据，形成长型（long）数据结构。cast则专职将融合后的数据“重铸”为新的形式（让人想起了“铁索连环”）。基本上只要有这两个函数，就能统一解决所有的汇总问题。
还是以上面的问题为例子，先加载reshape包，然后用melt函数进行融合数据，其中参数id指定了用Species为编号变量，measure参数用来指定分析变量（即被融合的变量），本例中只指定了参数id，所以原始数据中未包括在id中的其它变量均指定为分析变量。你可以观察到新的数据iris.melt其实就是堆叠（stack）后的数据。然后我们再用cast来重铸，cast函数中可以使用公式，波浪号左侧变量将纵列显示，右侧变量将以横行显示。margins参数设定了以列作为边际汇总方向。如果希望在计算中只包括两种花，可以使用subset参数。
library(reshape)
iris.melt 《- melt(iris,id=’Species’)
cast(Species~variable,data=iris.melt,mean,margins=“grand_row“)
cast(Species~variable,data=iris.melt,mean,
subset=Species %in% c(’setosa’,’versicolor’),
margins=’grand_row’)reshape包的作者也是ggplot2包的开发者，这个牛人是个完美主义者，在reshape包推出五年后，他重构代码推出了新的reshape2包。这个新包的特性在于：
改进算法，使计算与内存使用效能增强；
用dcast和acast代替了原来的cast函数；
用变量名来设定边际参数；
删除cast中的一些特性，因为他确认plyr包能更好的处理；
所有的melt函数族都增加了处理缺失值的参数。
下面我们以diamonds数据为例，来完成一个略为复杂的任务。我们希望计算不同切工和不同纯净度条件下，钻石的单位平均价格，并加以比较。首先加载reshape2包和ggplot2包，然后取子集。将原始数据融合，以切工、颜色和净度为编号变量。再利用dcast函数重铸数据，得到汇总结果。计算出单位价格，最后用条形图表现结果。
library(reshape2)
library(ggplot2)
data 《- diamonds[1:7]
data.melt 《- melt(data,id=c(’cut’,’color’,’clarity’))
diam.sum 《- dcast(data.melt,cut+clarity~variable,
subset=.(variable %in% c(’price’,’carat’)),mean)
diam.sum$average 《- diam.sum$price/diam.sum$carat
p 《- ggplot(diam.sum,aes(cut,average,fill=clarity))
p + geom_bar(position=’dodge’)
除了reshape包以外，R语言中还有stack、unstack、reshape等函数能完成类似的工作，但论功能的强大，还是首推reshape包中的哼哈二将。
reshape是怎样用的
reshape
[英][ri:’ep] [美][riep]
vt.重塑; 给…以新形态; 采取新形式; 打开新局面;
第三人称单数：reshapes
过去分词：reshaped
现在进行时：reshaping
过去式：reshaped
If he does, he can reshape the agenda. 而如果他做到了，他就可以重塑议程。
matlab中的reshape命令
matlab中reshape命令是把指定的矩阵改变形状，但是元素个数不变。
例如，行向量：
a = [1 2 3 4 5 6]
执行下面语句把它变成3行2列：
b = reshape(a,3,2)
执行结果：
b =
1 4
2 5
3 6
若a=[1 2 3
4 5 6
7 8 9]
使用reshpe后想得到b=[1 2 3 4 5 6 7 8 9]
只需要将a 转置一下就可以了(因为matlab是按列读取的，他会按你分多少行就按列读取多少个数，并不是随机的)：
b=reshape(a’,1,9)
reshape的意思
reshape
[5ri:5Feip]
vt.
改造; 重新整形[修整]; 再压; 重订(新方针)
The world situation is gradually reshaping itself.
世界形势在慢慢地转变着。
函数 reshape 的用法
1、B = reshape(A,m,n)
返回一个m*n的矩阵B， B中元素是按列从A中得到的。如果A中元素个数没有m*n个， 则会引发错误。
2、B = reshape(A,m,n,p,…)和B = reshape(A,[m n p …])
返回一个和A具有相同元素的N(不是上面的参数n)维数组。但B的尺寸是m*n*p*…，m*n*p*必须和prod(size(A))相等。即A和B元素个数相等。
3、B = reshape(A,…,[ ],…）
计算由占位符[ ]所表示的尺寸的长度，这样维度的乘积等价于prod(size(A))。而prod(size(A))的值必须能被指定维数的乘积所整除。在这里面占位符[ ] 只能使用一次。
扩展资料
reshape函数作为MATLAB中将指定的矩阵变换成特定维数矩阵一种函数，且矩阵中元素个数不变，函数可以重新调整矩阵的行数、列数、维数。函数语法为B = reshape(A，size)代表返回一个和A元素相同的n维数组，但是由向量size来决定重构数组维数的大小。
repmat函数与reshape函数功能比较：repmat函数主要是用于快速产生一个矩阵，它的用法一般有下面几种：B = repmat(A，M，N)矩阵B是矩阵A的复制品，其中B的维度为[size(A，1)*M，size(A，2)*N]。
参考资料来源：百度百科-reshape
matlab中的reshape命令有什么数学意义
reshape就是把指定的矩阵改变形状，但是元素个数不变，
例如，行向量：
a = [1 2 3 4 5 6]
执行下面语句把它变成3行2列：
b = reshape(a,3,2)
执行结果：
b =
1 4
2 5
3 6
扩展资料：
调用格式说明
B = reshape(A,m,n)
返回一个m*n的矩阵B， B中元素是按列从A中得到的，如果A中元素个数没有m*n个， 则会引发错误。
B = reshape(A,m,n,p,…)和B = reshape(A,[m n p …])
返回一个和A具有相同元素的N(不是上面的参数n)维数组，但B的尺寸是m*n*p*…，m*n*p*…必须和prod(size(A))相等，即A和B元素个数相等。
参考资料来源：百度百科-reshape
reshape 函数怎样用
reshape 函数就是变换成特定维数的矩阵。语法是 A = reshape（A，m，n）； 或者 A = reshape（A，[m,n]）。都是将A 的行列排列成m行n列。
用法举例说明如下：
A =【1 4 7 10，2 5 8 11，3 6 9 12】
B = reshape(A,2,6)
B =【1 3 5 7 9 11，2 4 6 8 10 12】
B = reshape(A,2,)
B =【1 3 5 7 9 11，2 4 6 8 10 12】
reshape是一种函数，函数可以重新调整矩阵的行数、列数、维数。在matlab命令窗口中键入doc reshape或help reshape即可获得该函数的帮助信息。
B = reshape(A,size)是指返回一个和A元素相同的n维数组，但是由向量size来决定重构数组维数的大小，prod(size(B))的数量值必须和prod(size(A))的保持一致。
扩展资料：
调用格式
B = reshape(A,m,n)
B = reshape(A,m,n,p,…)
B = reshape(A,[m n p …])
B = reshape(A,…,[ ],…)
B = reshape(A,size)
调用格式说明
B = reshape(A,m,n)
返回一个m*n的矩阵B， B中元素是按列从A中得到的。如果A中元素个数没有m*n个， 则会引发错误。
B = reshape(A,m,n,p,…)和B = reshape(A,[m n p …])
返回一个和A具有相同元素的N(不是上面的参数n)维数组。但B的尺寸是m*n*p*…，m*n*p*…必须和prod(size(A))相等。即A和B元素个数相等。
B = reshape(A,…,[ ],…）
计算由占位符[ ]所表示的尺寸的长度，这样维度的乘积等价于prod(size(A))。而prod(size(A))的值必须能被指定维数的乘积所整除。在这里面占位符[ ] 只能使用一次。
相关函数： shiftdim, squeeze, circshift, permute, repmat
参考资料：百度百科——reshape
reshape函数怎么用
是不是问 OpenGL / GLUT 方面的问题？
GLUT里 glutReshapeFunc(reshape); 定义 当窗的形状改变事件发生时 调用的处理函数 reshape。
shape 是形状。reshape 是当形状改变时，做些什么来修正窗内的图形显示。
这由程序员自己决定，例如，你可以考虑图形长宽尺度按窗的长宽变化，按比例缩放。你也可以考虑图形长宽尺度不变，….
下面是一个例子：
void reshape(int cur_w, int cur_h)
{
glClear(GL_COLOR_BUFFER_BIT | GL_DEPTH_BUFFER_BIT);
if (cur_h 《= 0) cur_h = 10; // 窗太小时处理
glViewport(0,0, cur_w, cur_h);
xfactor = (float) glutGet( GLUT_WINDOW_WIDTH ) / (float) img_width; // 按比例缩放
yfactor = (float) glutGet( GLUT_WINDOW_HEIGHT ) / (float) img_height; // 按比例缩放
glutPostRedisplay(); // 发送更新消息
}
stata 中的 reshape命令怎么用
这个命令用来对长型（long）数据和宽型（wide）数据相互转换，下面这个图很好地说明了这个命令的用法：
上图中，i 代表个案的编号，j代表i的第j项数据的编号。左边表示，第i个个案的数据中，j有两个编号与之对应。比如，我们可以想像成两个省第1年有gdp，第二年也有gdp，用i来区分省份名称，如i代表四川，2代表云南。而j则用来区分年份。例如j为1时，代表2000年的gdp，为2时代表2001年的GDP等。这样，这两个表的意义就明确了。下面的命令就是reshape的用法了。
reshape wide stub, i(i) j(j)（从长到宽）
reshape long stub, i(i) j(j)（从宽到长）
这是基本用法。先把这个用会吧，后面的自己就容易理解了。
例：
webuse reshape1
list
reshape long inc ue, i(id) j(year)
list, sepby(id)
reshape wide
或：
reshape wide inc ue, i(id) j(year)