当我想要携带多个度量变量时，我无法找出将数据从长格式转换为宽格式的最优雅和灵活的方法。
例如，这是一个长格式的简单数据框。 ID是主题，TIME是时间变量，X和Y是ID的TIME测量：
> my.df <- data.frame(ID=rep(c("A","B","C"), 5), TIME=rep(1:5, each=3), X=1:15, Y=16:30)
> my.df
ID TIME X Y
1 A 1 1 16
2 B 1 2 17
3 C 1 3 18
4 A 2 4 19
5 B 2 5 20
6 C 2 6 21
7 A 3 7 22
8 B 3 8 23
9 C 3 9 24
10 A 4 10 25
11 B 4 11 26
12 C 4 12 27
13 A 5 13 28
14 B 5 14 29
15 C 5 15 30
如果我只想将TIME的值转换为包含X的列标题，我知道我可以使用cast()包中的reshape（或dcast()的reshape2）：
> cast(my.df, ID ~ TIME, value="X")
ID 1 2 3 4 5
1 A 1 4 7 10 13
2 B 2 5 8 11 14
3 C 3 6 9 12 15
但我真正想做的是将Y作为另一个度量变量，并使列名反映度量变量名和时间值：
ID X_1 X_2 X_3 X_4 X_5 Y_1 Y_2 Y_3 Y_4 Y_5
1 A 1 4 7 10 13 16 19 22 25 28
2 B 2 5 8 11 14 17 20 23 26 29
3 C 3 6 9 12 15 18 21 24 27 30
（FWIW，我真的不在乎是否所有X首先跟随Y，或者它们是否交错为X_1，Y_1，X_2，Y_2等）
我可以通过两次输出长数据并合并结果来接近这一点，虽然列名需要一些工作，如果我需要添加除X和Y之外的第3或第4个变量，我需要调整它。 ：
merge(
cast(my.df, ID ~ TIME, value="X"),
cast(my.df, ID ~ TIME, value="Y"),
by="ID", suffixes=c("_X","_Y")
)
看起来像reshape2和/或plyr中的某些函数组合应该能够更优雅地完成我的尝试，以及更干净地处理多个度量变量。有点像cast(my.df, ID ~ TIME, value=c("X","Y"))，这是无效的。但我无法弄明白。
为了处理你想要的多个变量，你需要在投射之前melt你拥有的数据。
library("reshape2")
dcast(melt(my.df, id.vars=c("ID", "TIME")), ID~variable+TIME)
这使
ID X_1 X_2 X_3 X_4 X_5 Y_1 Y_2 Y_3 Y_4 Y_5
1 A 1 4 7 10 13 16 19 22 25 28
2 B 2 5 8 11 14 17 20 23 26 29
3 C 3 6 9 12 15 18 21 24 27 30
根据评论编辑：
数据框
num.id = 10
num.time=10
my.df <- data.frame(ID=rep(LETTERS[1:num.id], num.time),
TIME=rep(1:num.time, each=num.id),
X=1:(num.id*num.time),
Y=(num.id*num.time)+1:(2*length(1:(num.id*num.time))))
给出不同的结果（所有条目都是2）因为ID / TIME组合不表示唯一的行。事实上，每个ID / TIME组合有两行。 reshape2假定每个可能的变量组合都有一个值，并且如果有多个条目，则应用汇总函数来创建单个变量。这就是警告的原因
Aggregation function missing: defaulting to length
如果添加另一个打破冗余的变量，您可以获得一些有用的东西。
my.df$cycle <- rep(1:2, each=num.id*num.time)
dcast(melt(my.df, id.vars=c("cycle", "ID", "TIME")), cycle+ID~variable+TIME)
这是有效的，因为cycle / ID / time现在唯一地定义了my.df中的一行。
reshape(my.df,
idvar = "ID",
timevar = "TIME",
direction = "wide")
给
ID X.1 Y.1 X.2 Y.2 X.3 Y.3 X.4 Y.4 X.5 Y.5
1 A 1 16 4 19 7 22 10 25 13 28
2 B 2 17 5 20 8 23 11 26 14 29
3 C 3 18 6 21 9 24 12 27 15 30
使用data.table_1.9.5，这可以在没有melt的情况下完成，因为它可以处理多个value.var列。你可以从here安装它
library(data.table)
dcast(setDT(my.df), ID~TIME, value.var=c('X', 'Y'))
# ID 1_X 2_X 3_X 4_X 5_X 1_Y 2_Y 3_Y 4_Y 5_Y
#1: A 1 4 7 10 13 16 19 22 25 28
#2: B 2 5 8 11 14 17 20 23 26 29
#3: C 3 6 9 12 15 18 21 24 27 30
这是tidyr包的解决方案，它基本上取代了reshape和reshape2。与这两个软件包一样，它使数据集首先变长，然后变宽。
library(magrittr); requireNamespace("tidyr"); requireNamespace("dplyr")
my.df %>%
tidyr::gather_(key="variable", value="value", c("X", "Y")) %>% # Make it even longer.
dplyr::mutate( # Create the spread key.
time_by_variable = paste0(variable, "_", TIME)
) %>%
dplyr::select(ID, time_by_variable, value) %>% # Retain these three.
tidyr::spread(key=time_by_variable, value=value) # Spread/widen.
在tidyr::gather()调用之后，中间数据集是：
ID TIME variable value
1 A 1 X 1
2 B 1 X 2
3 C 1 X 3
...
28 A 5 Y 28
29 B 5 Y 29
30 C 5 Y 30
最终的结果是：
ID X_1 X_2 X_3 X_4 X_5 Y_1 Y_2 Y_3 Y_4 Y_5
1 A 1 4 7 10 13 16 19 22 25 28
2 B 2 5 8 11 14 17 20 23 26 29
3 C 3 6 9 12 15 18 21 24 27 30
tidyr::unite()是另一种选择，由@JWilliman建议。当dplyr::mutate()参数为真（这是默认值）时，这在功能上等同于上面的dplyr::select()和remove组合。
如果你不习惯这种类型的操纵，那么tidyr::unite()可能是一个小障碍，因为它是你必须学习和记忆的另一个功能。但是，它的好处包括（a）更简洁的代码（即，四行替换为一行）和（b）重复变量名称的位置更少（即，您不必在dplyr::select()子句中重复/修改变量）。
my.df %>%
tidyr::gather_(key="variable", value="value", c("X", "Y")) %>% # Make it even longer.
tidyr::unite("time_by_variable", variable, TIME, remove=T) %>% # Create the spread key `time_by_variable` while simultaneously dropping `variable` and `TIME`.
tidyr::spread(key=time_by_variable, value=value) # Spread/widen.