寻找reshape2::melt()替代方案：处理带行列名的矩阵

背景 #

reshape2::melt()能够将带行列名的矩阵转换为三列数据框，行列名自动作为前两列，示例如下：

testmat <- matrix(1:25,nrow=5,dimnames=list(LETTERS[6:10],LETTERS[1:5]))
#   A  B  C  D  E
# F 1  6 11 16 21
# G 2  7 12 17 22
# H 3  8 13 18 23
# I 4  9 14 19 24
# J 5 10 15 20 25

longmat <- reshape2::melt(testmat)
head(longmat)
# Var1 Var2 value
#    F    A     1
#    G    A     2
#    H    A     3
#    I    A     4
#    J    A     5
#    F    B     6

但该函数存在两个明显问题：会自动将Var1和Var2转为因子，且不支持stringsAsFactors=F参数；同时reshape2已停止维护，官方推荐使用tidyr。

尝试过的替代方案均有缺陷：tidyr::pivot_longer()不支持直接输入矩阵，转成数据框后会丢失行名；data.table::melt()会自动重定向到reshape2::melt()，无法解决原有问题。

核心问题 #

是否存在其他函数（tidyverse或非tidyverse）可实现类似reshape2::melt()的矩阵转长格式功能？

次要问题 #

自制的melt_by_hand函数是否存在未考虑到的潜在问题？

melt_by_hand <- function(mat) {
  return(data.frame(row=rep(rownames(mat),ncol(mat)),
                      col=rep(colnames(mat),each=nrow(mat)),
                      value=as.vector(mat)))
}

解决方案 #

替代函数推荐 #

1. tidyverse方案：结合tibble与pivot_longer
   先将矩阵转为保留行名的tibble，再用pivot_longer转长格式，既不会丢失行名，输出列也为字符型而非因子：

library(tidyverse)

# 默认按行展开的结果
testmat %>%
  as_tibble(rownames = "row") %>%
  pivot_longer(cols = -row, names_to = "col", values_to = "value") %>%
  head()
# # A tibble: 6 × 3
#   row   col   value
#   <chr> <chr> <int>
# 1 F     A         1
# 2 F     B         6
# 3 F     C        11
# 4 F     D        16
# 5 F     E        21
# 6 G     A         2

# 若需匹配reshape2::melt()按列展开的顺序，可添加排序
testmat %>%
  as_tibble(rownames = "row") %>%
  pivot_longer(cols = -row, names_to = "col", values_to = "value") %>%
  arrange(col, row) %>%
  head()
# # A tibble: 6 × 3
#   row   col   value
#   <chr> <chr> <int>
# 1 F     A         1
# 2 G     A         2
# 3 H     A         3
# 4 I     A         4
# 5 J     A         5
# 6 F     B         6

2. base R方案：as.data.frame.table()
   base R内置的as.data.frame.table()可直接将矩阵转为长格式数据框，R 4.0+版本默认输出字符型列（无需额外设置stringsAsFactors=FALSE），输出格式与reshape2::melt()几乎一致：

long_mat_base <- as.data.frame.table(testmat, responseName = "value")
head(long_mat_base)
#   Var1 Var2 value
# 1    F    A     1
# 2    G    A     2
# 3    H    A     3
# 4    I    A     4
# 5    J    A     5
# 6    F    B     6

# 查看列类型
sapply(long_mat_base, class)
#     Var1      Var2     value 
# "character" "character"   "integer"

该方法无需额外安装包，适配性更强。

自制函数melt_by_hand的潜在问题分析 #

1. 列名固定化：输出列名被固定为row/col，无法像标准函数那样通过参数自定义列名（如as.data.frame.table()的responseName参数）。
2. 无行列名场景兼容差：若输入矩阵没有rownames或colnames，rep(rownames(mat), ...)会生成NA，而标准函数会自动生成序列型标识（如1,2,3...）。
3. 旧版本R兼容性问题：R 4.0以下版本中data.frame()默认会将字符列转为因子，函数未设置stringsAsFactors=FALSE参数，会导致列类型不符合预期。
4. 扩展性不足：仅支持二维矩阵，无法处理reshape2::melt()支持的多维数组。
5. 效率劣势：针对超大矩阵，rep()结合as.vector()的纯R实现效率远低于内置函数的底层优化（如as.data.frame.table()基于C级别的处理）。

内容的提问来源于stack exchange，提问作者TiredSquirrel