前面一篇讲了cast,想必已经见识到了reshape2的强大，当然在使用cast时配合上melt这种强大的揉数据能力才能表现的淋漓尽致。

下面我们来看下，melt这个函数以及它的特点。

melt(data, …, na.rm = FALSE, value.name = “value”)

从这里来看函数的参数也相对比较简单，data表示要处理的数据，na.rm表示缺失值处理办法，value.name用于重命名值所在列的名称

另外，melt函数的难点在于，不同数据结构，用到的参数可能是不一样的。

首先，要融合的数据为数组、表以及矩阵，那么melt的表达式为：

melt(data, varnames = names(dimnames(data)), …, na.rm = FALSE, as.is = FALSE, value.name = “value”)

varnames用户命名变量名称 

其次，要融合的数据为数据框，那么melt的表达式为：

melt(data, id.vars, measure.vars, variable.name = “variable”, …, na.rm = FALSE, value.name = “value”, factorsAsStrings = TRUE)

id.vars  设置融合后单独显示的变量，可以用变量位置及名称表示,没写表示使用所有非measure.vars值

measure.vars  通常根据id.vars 设置的变化而变化

最后，要融合的数据为列表，那么melt的表达式为：

melt(data, …, level = 1)

下面来看些具体的例子

data<- array(c(1:22, NA,"wo"), c(2,3,4))
data

melt(data)

可以看出数据融合后，可读性比数组的情况下强了好多，var1表示数组的行，var2表示数组的列，var3表示数组序列。

比如，18位置就是第3数组，2行3列的位置，11则是第2数组，1行3列。

melt(a, na.rm = TRUE)

可以看到数组中的缺失值被移除了。

melt(data, varnames=c("hang","lie","Zu"))

对融合后的每个变量进行重命名。

下面来看下数据为数据框的情况。

x<-data.frame(id=1:6,
              name=c("wang","zhang","li","chen","zhao","song"),
              shuxue=c(89,85,68,79,96,53),
              yuwen=c(77,68,86,87,92,63))
x

melt(x,id=c("id","name"))

melt(x,id=1:2,variable.name="kemu",value.name="zhi")

melt(x,measure.vars=c("id","name"))

最后，来看下如果数据是列表的情况

shuju<- list(matrix(1:4, ncol=2), array(1:27, c(3,3,3)))
shuju

这个列表的机构比较复杂，读起来有点难度

下面melt融合后的结果

melt(shuju)

可以看出数据变得非常简洁。