使用reshape2有什么优点或限制吗？关联于dplyr而不是完全使用tidyr ？
我不太熟悉 tidyr相当于reshape2功能，我想了解切换到 tidyr 的原因是什么只是当我在 R 代码中越来越多地看到它时。
最佳答案
Tidyr 遵循 tidyverse 约定，例如 dplyr:
旨在与管道良好配合的函数
%>%非标准评估 (NSE)，这意味着您使用不带引号的列名称而不是字符串
<rlangtidydots 语义，就像其他 tidyverse 包一样，这意味着您可以使用!!和!!!，它们是一旦你知道如何使用它们，它们就会非常强大。当然，如果您不使用带有 NSE 的函数，您可以在没有花哨语法的情况下执行相同的操作...但是如果您已经使用 dplyr，那么您已经在各处使用了 NSE。
如果您已经使用 dplyr，并且还使用 tidyr 进行数据 reshape ，您的代码可能看起来更加一致。
此外，reshape2 专注于 reshape 数据(melt/cast)，而 tidyr 则执行此操作(gather/spread) >)以及更多类似操作列(unite/separate/extract)、创建和使用列表列和嵌套数据/框架(nest/unnest)、处理缺失值(完成/扩展/填充)。
我还应该说 dplyr 和 tidyr 是互补的，所以我会挑战你的框架 (tidyr) VS (dplyr + reshape 2)。无论您使用 tidyr 还是 reshape2，dplyr 都是不可或缺的。
最终，melt/dcast 相当于 gather/spread，因此在您需要其他 tidyr 功能之前，这是个人偏好，或者如果您想追随“tidyverse 趋势”。
关于r - tidyr VS dplyr + reshape2，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57410033/