1. 长数据是什么鬼？
之前介绍了如何将多个性状的箱线图放在一个图上，比如learnasreml包中的fm数据，它有h1~h5五年的株高数据，想对它进行作图。
「数据预览：」
> library(learnasreml)
> data(fm)
> head(fm)
TreeID Spacing Rep Fam Plot dj dm wd h1 h2 h3 h4 h5
1 80001 3 1 70048 1 0.334 0.405 0.358 29 130 239 420 630
2 80002 3 1 70048 2 0.348 0.393 0.365 24 107 242 410 600
3 80004 3 1 70048 4 0.354 0.429 0.379 19 82 180 300 500
4 80005 3 1 70017 1 0.335 0.408 0.363 46 168 301 510 700
5 80008 3 1 70017 4 0.322 0.372 0.332 33 135 271 470 670
6 80026 3 1 70002 2 0.359 0.450 0.392 30 132 258 390 570
这里，相对h1,h2,h3,h4,h5这五个性状进行作图，我们可以将其转化为「长数据」！
问题来了，什么是「长数据」，什么是「宽数据」(不是短数据，这不是反义词，谢谢)
「宽数据：」
❝即变量是多列数据，每一列都是一个值，比如株高数据，第一年的株高是一列，第二年的株高是一列，第三年的株高是一列，这些数据就是宽数据。
❞
| ID | 2018height | 2019height | 2020heightt |
|---|---|---|---|
| ID001 | 12 | 14 | 18 |
| ID002 | 11 | 14 | 19 |
| ID003 | 14 | 15 | 16 |
「长数据：」
❝即变量是，数据都在一列，比如株高数据，第一列是ID，第二列是年份，第三列是株高，这种数据叫长数据。
❞
| ID | 年份 | 株高 |
|---|---|---|
| ID001 | 2018 | 12 |
| ID001 | 2019 | 14 |
| ID001 | 2020 | 18 |
| ID002 | 2018 | 11 |
| ID002 | 2019 | 14 |
| ID002 | 2020 | 19 |
| ID003 | 2018 | 14 |
| ID003 | 2019 | 15 |
| ID003 | 2020 | 16 |
「tidyverse」系列包，喜欢长数据，无论是清洗数据，还是汇总统计，还是ggplot2可视化，都喜欢长数据。
❝飞哥注：我今天明白了这个道理，即tidyverse系列喜欢长数据，感觉打开了任督二脉，对于数据处理又有了新的理解。
❞
2. 怎么转化为长数据
我知道三种方法：
reshape2的melt函数，现在还知道这个包的人，R龄应该在5年以上了，反正我一直都用，很好用，但是被作者嫌弃了，现在被很多人嫌弃了……data.table的metlt函数，和reshape2包的函数同名，用法也相似，可以对DT数据处理，很快。现在我用melt函数时，就不用载入reshape2了，直接用data.table包就行tidyverse中的tidyr中的pivot_longer函数，这个更简单，用过这个函数，再也没有迷路过。因为melt函数语法比较复杂，经常需要查看帮助文档或者以前的笔记。
看一下最简单的方法吧，看一下数据：
> dd = fm[,c(1,9:13)]
> head(dd)
TreeID h1 h2 h3 h4 h5
1 80001 29 130 239 420 630
2 80002 24 107 242 410 600
3 80004 19 82 180 300 500
4 80005 46 168 301 510 700
5 80008 33 135 271 470 670
6 80026 30 132 258 390 570
然后用pivot_longer函数，将其转化为长数据：
> re = dd %>% pivot_longer(.,-1,names_to = "Year",values_to = "Height")
> head(re)
# A tibble: 6 x 3
TreeID Year Height
1 80001 h1 29
2 80001 h2 130
3 80001 h3 239
4 80001 h4 420
5 80001 h5 630
6 80002 h1 24代码解释：
- 我用了管道符
%/%，将数据传递给pivot_longer - 第二个
-1，意思是除了第一个不处理，其它都处理，也可以用2:6表示第二到第六列处理 - 第三个
names_to是变量的名称，这里定义为Year - 第四个
values_to是保存的性状名，这里是Height
可以看到，长数据有3列，分别是：
- TreeID
- Year
- Height
3. ggplot2作图怎么搞
之前我使用ggplot2作图时，想做什么图，就在网上copy代码，然后根据自己的数据名称，修改代码，然后运行代码。一次性代码，用过就忘，半吊子水平，一直很稳定。
当我知道了ggplot2用长数据之后，又是另一种理解：
library(ggplot2)
re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_boxplot()
先看图片：
成功了，图片比较满意，第一个是h1的株高，第二个是h2的株高，依次类推。但是代码是什么意思呢？
我看了ggplot2的入门，画图分为三个部分：
- 数据在哪里：
re是数据 - x轴，y轴在哪里：
x轴是Year，y轴是Height - 画什么类型的图：
这里是箱线图，所以是geom_boxplot
「如果是画分组散点图：」
re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_point()
「如果是画分组分散的散点图：」
re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_jitter()
4. 所以散点图和箱线图结合呢？
直接用+连接就行了，感觉到了画家作图的快乐，算是丫丫学徒吧，哈哈
re %>% ggplot(.,aes(x = Year, y = Height, colour = Year)) + geom_jitter() + geom_boxplot()
5. 感受
所以，这就是学习的快乐了!
R语言进阶笔记1 | 深挖一门语言的必要性
