tidyr VS dplyr + reshape2
tidyr VS dplyr + reshape2
与 dplyr 结合使用 reshape2 而不是完全使用 tidyr 是否有任何优势或限制？
我不完全熟悉 reshape2 函数的 tidyr 等价物，我想了解切换到 tidyr 的原因是什么，因为我看到它更多以及更多 R 代码。
Tidyr 遵循 tidyverse 约定，例如 dplyr：
专为管道设计的函数%>%
非标准评估 (NSE)，这意味着您使用不带引号的列名而不是字符串
rlang 整洁的点语义，就像其他 tidyverse 包一样，这意味着你可以使用 !! 和 !!!，一旦你知道如何使用它们就非常强大他们。当然，如果你不使用带有 NSE 的函数，你可以在没有花哨语法的情况下做同样的事情......但是如果你已经使用 dplyr 你已经在任何地方使用 NSE。
如果您已经使用 dplyr，如果您还使用 tidyr 进行数据整形，您的代码可能看起来更一致。
此外，reshape2 专注于重塑数据 (melt/cast)，而 tidyr 则专注于此 (gather/spread)，更像是操纵列 (unite/separate/extract) , 创建和使用列表列和嵌套 data/frames (nest/unnest), 处理缺失值 (complete/expand/fill).
我也应该说dplyr和tidyr是互补的，所以我会挑战你的框架(tidyr) VS (dplyr + reshape2)。 dplyr 无论您使用 tidyr 还是 reshape2.
都是必不可少的
最终，melt/dcast 等同于 gather/spread，因此这是个人偏好，直到您需要其他 tidyr 功能，或者如果您想遵循“tidyverse趋势"。
与 dplyr 结合使用 reshape2 而不是完全使用 tidyr 是否有任何优势或限制？
我不完全熟悉 reshape2 函数的 tidyr 等价物，我想了解切换到 tidyr 的原因是什么，因为我看到它更多以及更多 R 代码。
Tidyr 遵循 tidyverse 约定，例如 dplyr：
专为管道设计的函数
%>%非标准评估 (NSE)，这意味着您使用不带引号的列名而不是字符串
rlang整洁的点语义，就像其他 tidyverse 包一样，这意味着你可以使用!!和!!!，一旦你知道如何使用它们就非常强大他们。当然，如果你不使用带有 NSE 的函数，你可以在没有花哨语法的情况下做同样的事情......但是如果你已经使用dplyr你已经在任何地方使用 NSE。
如果您已经使用 dplyr，如果您还使用 tidyr 进行数据整形，您的代码可能看起来更一致。
此外，reshape2 专注于重塑数据 (melt/cast)，而 tidyr 则专注于此 (gather/spread)，更像是操纵列 (unite/separate/extract) , 创建和使用列表列和嵌套 data/frames (nest/unnest), 处理缺失值 (complete/expand/fill).
我也应该说dplyr和tidyr是互补的，所以我会挑战你的框架(tidyr) VS (dplyr + reshape2)。 dplyr 无论您使用 tidyr 还是 reshape2.
最终，melt/dcast 等同于 gather/spread，因此这是个人偏好，直到您需要其他 tidyr 功能，或者如果您想遵循“tidyverse趋势"。