虽然@agstudy 的回答解决了您的问题并让您了解最新的软件包，但它并没有试图理解为什么会发生这种情况。
要了解原因，请退回到您的线路test_mx = cast(melt(dat, id.vars="t"), variable ~ t)。我将在这里创建两个对象，以便我们进行一些比较：
test_mx <- test_mx_cast <- cast(melt(dat, id.vars="t"), variable ~ t)
class(test_mx)
# [1] "cast_df" "data.frame"
class(test_mx_cast)
# [1] "cast_df" "data.frame"
唔。这cast_df门课是什么？事实证明，“重塑”方法已经消失并定义了几种新方法。参见，例如，methods(as.data.frame)或methods(as.matrix)：
> methods(as.matrix)
[1] as.matrix.cast_df as.matrix.cast_matrix as.matrix.data.frame as.matrix.default
[5] as.matrix.dist* as.matrix.noquote as.matrix.POSIXlt as.matrix.raster*
Non-visible functions are asterisked
> methods(as.data.frame)
[1] as.data.frame.aovproj* as.data.frame.array as.data.frame.AsIs
[4] as.data.frame.cast_df as.data.frame.cast_matrix as.data.frame.character
[7] as.data.frame.complex as.data.frame.data.frame as.data.frame.Date
[10] as.data.frame.default as.data.frame.difftime as.data.frame.factor
[13] as.data.frame.ftable* as.data.frame.function* as.data.frame.idf*
[16] as.data.frame.integer as.data.frame.list as.data.frame.logical
[19] as.data.frame.logLik* as.data.frame.matrix as.data.frame.model.matrix
[22] as.data.frame.numeric as.data.frame.numeric_version as.data.frame.ordered
[25] as.data.frame.POSIXct as.data.frame.POSIXlt as.data.frame.raw
[28] as.data.frame.table as.data.frame.ts as.data.frame.vector
Non-visible functions are asterisked
请注意上面 ^^ 的第一种和第二种方法as.matrix以及 的第四种和第五种方法as.data.frame。
这是什么意思？好吧，您在创建后写了几行test_mx以将您的转换data.frame为matrix. 这主要是因为您想确保您的第一列最终成为rownames并且没有将整个矩阵强制转换为字符矩阵。
tmp_rownames = as.character(test_mx[,1])
test_mx = test_mx[,-1]
tmp_colnames = colnames(test_mx)
test_mx = as.matrix(test_mx)
rownames(test_mx) = tmp_rownames
colnames(test_mx) = tmp_colnames
test_mx
# 0 1 2 3
# a1 -0.079811371 0.82820704 -0.193860367 -1.1269632
# b1 -0.009402418 -1.19348155 -0.004519269 0.8921427
# c1 -0.784163111 -0.01340952 0.966208235 0.0135557
因为“reshape”已经定义了一个自定义的as.matrix方法，你实际上不需要这样做！
as.matrix(test_mx_cast)
# 0 1 2 3
# a1 -0.079811371 0.82820704 -0.193860367 -1.1269632
# b1 -0.009402418 -1.19348155 -0.004519269 0.8921427
# c1 -0.784163111 -0.01340952 0.966208235 0.0135557
但这仍然不能完全回答所有问题。为了进一步理解，现在比较两个矩阵：
> test_mx_cast_matrix <- as.matrix(test_mx_cast)
> class(test_mx)
[1] "cast_matrix" "matrix"
> class(test_mx_cast_matrix)
[1] "cast_matrix" "matrix"
> str(test_mx)
num [1:3, 1:4] -0.0798 -0.0094 -0.7842 0.8282 -1.1935 ...
- attr(*, "dimnames")=List of 2
..$ : chr [1:3] "a1" "b1" "c1"
..$ : chr [1:4] "0" "1" "2" "3"
> str(test_mx_cast_matrix)
num [1:3, 1:4] -0.0798 -0.0094 -0.7842 0.8282 -1.1935 ...
- attr(*, "dimnames")=List of 2
..$ : chr [1:3] "a1" "b1" "c1"
..$ : chr [1:4] "0" "1" "2" "3"
- attr(*, "idvars")= chr "variable"
- attr(*, "rdimnames")=List of 2
..$ :'data.frame': 3 obs. of 1 variable:
.. ..$ variable: Factor w/ 3 levels "a1","b1","c1": 1 2 3
..$ :'data.frame': 4 obs. of 1 variable:
.. ..$ t: int [1:4] 0 1 2 3
嗯。当我们as.matrix直接使用时，attributes“reshape”包添加的所有内容都被保留了，但是当我们手动进行处理时，它仍然声称是一样的class，但是所有的自定义attributes都被剥离了。
所以呢？
好吧，既然 R 认为那test_mx是 a cast_matrix，那么当你调用 时as.data.frame，它实际上调用的是as.data.frame.cast_matrix，而不是as.data.frame.matrix。
看看如何as.data.frame.cast_matrix定义，这些attributes对于重新创建您的data.frame，因此是您的错误至关重要。以下是该函数的内容：
> as.data.frame.cast_matrix
function (x, row.names, optional, ...)
{
unx <- unclass(x)
colnames(unx) <- rownames(rcolnames(x))
r.df <- data.frame(rrownames(x), unx, check.names = FALSE)
class(r.df) <- c("cast_df", "data.frame")
attr(r.df, "idvars") <- attr(x, "idvars")
attr(r.df, "rdimnames") <- attr(x, "rdimnames")
rownames(r.df) <- 1:nrow(r.df)
r.df
}
<environment: namespace:reshape>
所以，你现在有三个选择：
升级到“reshape2”——好建议，但请记住，仍有很多人没有费心进行转换。
正确使用“reshape”，这需要更多地查看它创建的对象的str、classes 和attributes。在这里“正确”使用它本来就是使用as.data.frame(test_mx_cast_matrix).
指定method你想要使用的（当你不知道包是否在重新定义方法时，这是非常安全的——通常，当它们创建新类时，你还应该检查是否已经创建了新方法）。相比：
> as.data.frame(test_mx) ## Calls `as.data.frame.cast_matrix` ERROR!
Error in data.frame(rrownames(x), unx, check.names = FALSE) :
arguments imply differing number of rows: 0, 3
> as.data.frame.matrix(test_mx) ## Specifies the `as.data.frame` method. WORKS!
0 1 2 3
a1 -0.079811371 0.82820704 -0.193860367 -1.1269632
b1 -0.009402418 -1.19348155 -0.004519269 0.8921427
c1 -0.784163111 -0.01340952 0.966208235 0.0135557
叹。结束....