reshape包裹是你的朋友，在这里。在这种情况下，melt()并且untable()对于规范化数据很有用。
如果示例摘要 data.frame 位于名为 的变量中df，则简短答案为：
# replace total n with number of failures
df$fail = df$n - df$success
df$n = NULL
# melt and untable the data.frame
df = melt(df)
df = untable(df, df$value)
# recode the results, e.g., here by creating a new data.frame
df = data.frame(
test = df$test,
group = df$group,
success = as.numeric(df$variable == "success")
)
这是一个非常普遍的问题的一个很好的例子。这个想法是反向计算交叉表基础的数据列表。给定交叉表，反向计算的数据列表对于每个数据都有一行，并且包含每个数据的属性。 这是与此问题相反的帖子。
用“数据极客”的说法，这是一个将表格数据放入第一范式的问题——如果这对任何人都有帮助的话。您可以 google data normalization，这将帮助您设计可以交叉制表和以多种不同方式分析的敏捷 data.frames。
详细地说，为了melt()在untable()这里工作，需要稍微调整原始数据以包含fail(失败次数) 而不是总数据n，但这很简单：
df$fail <- df$n - df$success
df$n <- NULL
这使：
test group success fail
1 A control 1 1
2 A treat 2 1
3 B control 3 2
4 B treat 1 2
现在我们可以“融化”桌子了。 melt()可以反向计算用于创建交叉表的原始数据列表。
df <- melt(df)
在这种情况下，我们得到variable一个包含“成功”或“失败”的新列，以及一个value包含原始数据success或列的数据的fail列。
test group variable value
1 A control success 1
2 A treat success 2
3 B control success 3
4 B treat success 1
5 A control fail 1
6 A treat fail 1
7 B control fail 2
8 B treat fail 2
该untable()函数根据数字“计数”向量的值重复表的每一行。在这种情况下，df$value是计数向量，因为它包含成功和失败的次数。
df <- untable(df, df$value)
这将为每个数据产生一个记录，“成功”或“失败”：
test group variable value
1 A control success 1
2 A treat success 2
2.1 A treat success 2
3 B control success 3
3.1 B control success 3
3.2 B control success 3
4 B treat success 1
5 A control fail 1
6 A treat fail 1
7 B control fail 2
7.1 B control fail 2
8 B treat fail 2
8.1 B treat fail 2
这就是解决方案。如果需要，现在可以重新编码数据以将“成功”替换为 1，将“失败”替换为 0（并去掉无关的value列variable......）
df <- data.frame(
test = df$test,
group = df$group,
success = as.numeric(df$variable == "success")
)
这将返回请求的解决方案，但行的排序方式不同：
test group success
1 A control 1
2 A treat 1
3 A treat 1
4 B control 1
5 B control 1
6 B control 1
7 B treat 1
8 A control 0
9 A treat 0
10 B control 0
11 B control 0
12 B treat 0
13 B treat 0
显然，如有必要，可以使用 data.frame。 如何在 R 中对 data.frame 进行排序。