Преобразование файла данных из широкого в длинный формат, чтобы соответствовать порядковой смешанной модели в R

Я имею дело с набором данных в широком формате, например

> data=read.csv("http://www.kuleuven.be/bio/ento/temp/data.csv")
> data
  factor1 factor2 count_1 count_2 count_3
1       a       a       1       2       0
2       a       b       3       0       0
3       b       a       1       2       3
4       b       b       2       2       0
5       c       a       3       4       0
6       c       b       1       1       0

где factor1 и factor2 - это разные факторы, которые я хотел бы взять с собой (на самом деле у меня их больше 2, но это не имеет значения), а count_1 to count_3 - это количество агрессивных взаимодействий по порядковой шкале (3> 2> 1 ). Теперь я хотел бы преобразовать этот набор данных в длинный формат, чтобы получить что-то вроде

   factor1 factor2 aggression
1        a       a          1
2        a       a          2
3        a       a          2
4        a       b          1
5        a       b          1
6        a       b          1
7        b       a          1
8        b       a          2
9        b       a          2
10       b       a          3
11       b       a          3
12       b       a          3
13       b       b          1
14       b       b          1
15       b       b          2
16       b       b          2
17       c       a          1
18       c       a          1
19       c       a          1
20       c       a          2
21       c       a          2
22       c       a          2
23       c       a          2
24       c       b          1
25       c       b          2

Может ли кто-нибудь знать, как это сделать без использования циклов for ... to, например используя пакет reshape2? (Я понимаю, что это должно работать с melt, но я просто еще не смог придумать правильный синтаксис)

Изменить: для тех из вас, кому также может понадобиться такая функциональность, вот ответ Ананды ниже, завернутый в небольшую функцию:

    widetolong.ordinal<-function(data,factors,responses,responsename) {
    library(reshape2)
    data$ID=1:nrow(data) # add an ID to preserve row order
    dL=melt(data, id.vars=c("ID", factors)) # `melt` the data
    dL=dL[order(dL$ID), ] # sort the molten data
    dL[,responsename]=match(dL$variable,responses) # convert reponses to ordinal scores
    dL[,responsename]=factor(dL[,responsename],ordered=T)
    dL=dL[dL$value != 0, ] # drop rows where `value == 0`
    out=dL[rep(rownames(dL), dL$value), c(factors, responsename)] # use `rep` to "expand" `data.frame` & drop unwanted columns
    rownames(out) <- NULL
    return(out)
    }

    # example
    data <- read.csv("http://www.kuleuven.be/bio/ento/temp/data.csv")
    widetolong.ordinal(data,c("factor1","factor2"),c("count_1","count_2","count_3"),"aggression")