Melt 函数错误：match.names(clabs, names(xi)) 中的错误：名称与以前的名称不匹配

Question

我需要转换此数据集，其中有列/日期和行/变量/名称：

变量 1 (%)、变量 2($)：

姓名	日期1	日期2	日期 3
姓名1	价值11%	价值12%	价值13%
姓名2	价值21%	价值22%	价值23%
姓名3	价值31%	价值32%	价值33%
姓名1	价值11$	价值12$	价值13$
姓名2	价值21$	价值22$	价值23$
姓名3	价值31$	价值32$	价值33$

成为包含列/变量和行/日期/名称的数据集：

合并数据集：

姓名	日期	变量1	变量2
姓名1	日期1	价值11$。	价值11%。
姓名1	日期2	价值12$。	价值12%。
姓名1	日期 3	价值13$。	价值13%。
姓名2	日期1	价值21$。	价值21%。
姓名2	日期2	价值22$。	价值22%。
姓名2	日期 3	价值23$。	价值23%。
姓名3	日期1	价值31$。	价值31%。
姓名3	日期2	价值32$。	价值32%。
姓名3	日期 3	价值33$。	价值33%。

现在，我尝试使用第一个数据集和函数melt，名称为id：

融化（数据，id =“名称”）

不幸的是，我收到以下错误消息： match.names(clabs, names(xi)) 中的错误： 名字与以前的名字不匹配

可能是哪个错误？还有其他选择可以实现我的目标吗？

或者，我尝试从两个不同数据集中的两个变量导入数据，并使用 rbind 来整合它们，并通过 indetical 函数检查列名是否相同并且结果是否为 TRUE。我不知道这可能是导致此错误的原因。

非常感谢大家的帮助！

数据：

data <- data.frame(
  stringsAsFactors = FALSE,
              Name = c("Name1", "Name2", "Name3", "Name1", "Name2", "Name3"),
            Date.1 = c("Value11%","Value21%",
                       "Value31%","Value11$","Value21$","Value31$"),
            Date.2 = c("Value12%","Value22%",
                       "Value32%","Value12$","Value22$","Value32$"),
            Date.3 = c("Value13%","Value23%",
                       "Value33%","Value13$","Value23$","Value33$")
)

Answer 1

而不是使用

melt()

包中的

cast()

和

reshape2

，而是 推荐使用

pivot_wider()

中的

pivot_longer()

和

tidyr

用于在宽数据格式和长数据格式之间旋转/重塑的包。

您的数据可能如下所示：

library(tidyverse)

data |>
  pivot_longer(-Name,
               names_to = "Date",
               values_to = "Variable1")
#> # A tibble: 18 × 3
#>    Name  Date   Variable1
#>    <chr> <chr>  <chr>    
#>  1 Name1 Date.1 Value11% 
#>  2 Name1 Date.2 Value12% 
#>  3 Name1 Date.3 Value13% 
#>  4 Name2 Date.1 Value21% 
#>  5 Name2 Date.2 Value22% 
#>  6 Name2 Date.3 Value23% 
#>  7 Name3 Date.1 Value31% 
#>  8 Name3 Date.2 Value32% 
#>  9 Name3 Date.3 Value33% 
#> 10 Name1 Date.1 Value11$ 
#> 11 Name1 Date.2 Value12$ 
#> 12 Name1 Date.3 Value13$ 
#> 13 Name2 Date.1 Value21$ 
#> 14 Name2 Date.2 Value22$ 
#> 15 Name2 Date.3 Value23$ 
#> 16 Name3 Date.1 Value31$ 
#> 17 Name3 Date.2 Value32$ 
#> 18 Name3 Date.3 Value33$