webentwicklung-frage-antwort-db.com.de

Wiederholen Sie die Zeilen eines Datenrahmens

Ich möchte die Zeilen eines data.frame jeweils N wiederholen. Das Ergebnis sollte ein neuer data.frame Sein (mit nrow(new.df) == nrow(old.df) * N), der die Datentypen der Spalten beibehält.

Beispiel für N = 2:

                        A B   C
  A B   C             1 j i 100
1 j i 100     -->     2 j i 100
2 K P 101             3 K P 101
                      4 K P 101

Jede Zeile wird also zweimal wiederholt und die Zeichen bleiben die Zeichen, die Faktoren bleiben die Faktoren, die Zahlen bleiben die Zahlen, ...

Mein erster verwendeter Versuch trifft zu: apply(old.df, 2, function(co) rep(co, each = N)), aber dieser wandelt meine Werte in Zeichen um und ich erhalte:

     A   B   C    
[1,] "j" "i" "100"
[2,] "j" "i" "100"
[3,] "K" "P" "101"
[4,] "K" "P" "101"
76
Stefan
df <- data.frame(a=1:2, b=letters[1:2]) 
df[rep(seq_len(nrow(df)), each=2),]
117
Josh O'Brien

Eine saubere dplyr Lösung, entnommen aus hier

library(dplyr)
df <- tibble(x = 1:2, y = c("a", "b"))
df %>% slice(rep(1:n(), each = 2))
34
David Rubinger

Wenn Sie das Ganze wiederholen können oder es zuerst unterteilen, dann wiederholen Sie das, dann kann diese ähnliche Frage hilfreich sein. Noch einmal:

library(mefa)
rep(mtcars,10) 

oder einfach

mefa:::rep.data.frame(mtcars)
6
dardisco

Es gibt eine schöne vektorisierte Lösung, die nur bestimmte Zeilen n-mal wiederholt, beispielsweise durch Hinzufügen einer ntimes -Spalte zu Ihrem Datenrahmen:

  A B   C ntimes
1 j i 100      2
2 K P 101      4
3 Z Z 102      1

Methode:

df <- data.frame(A=c("j","K","Z"), B=c("i","P","Z"), C=c(100,101,102), ntimes=c(2,4,1))
df <- as.data.frame(lapply(df, rep, df$ntimes))

Ergebnis:

  A B   C ntimes
1 Z Z 102      1
2 j i 100      2
3 j i 100      2
4 K P 101      4
5 K P 101      4
6 K P 101      4
7 K P 101      4

Dies ist der Methode von Josh O'Brien und Mark Miller sehr ähnlich:

df[rep(seq_len(nrow(df)), df$ntimes),]

Diese Methode erscheint jedoch etwas langsamer:

df <- data.frame(A=c("j","K","Z"), B=c("i","P","Z"), C=c(100,101,102), ntimes=c(2000,3000,4000))

microbenchmark::microbenchmark(
  df[rep(seq_len(nrow(df)), df$ntimes),],
  as.data.frame(lapply(df, rep, df$ntimes)),
  times = 10
)

Ergebnis:

Unit: microseconds
                                      expr      min       lq      mean   median       uq      max neval
   df[rep(seq_len(nrow(df)), df$ntimes), ] 3563.113 3586.873 3683.7790 3613.702 3657.063 4326.757    10
 as.data.frame(lapply(df, rep, df$ntimes))  625.552  654.638  676.4067  668.094  681.929  799.893    10
4
Adam Erickson

Das, was @dardisco über mefa::rep.data.frame() erwähnte, ist sehr flexibel.

Sie können entweder jede Zeile N-mal wiederholen:

rep(df, each=N)

oder den gesamten Datenrahmen N-mal wiederholen (denken Sie: wie beim Recyceln eines vektorisierten Arguments)

rep(df, times=N)

Zwei Daumen hoch für mefa! Ich hatte bis jetzt noch nie davon gehört und musste dazu manuellen Code schreiben.

4
smci

Die Funktion rep.row scheint manchmal Listen für Spalten zu erstellen, was zu schlechten Speicherproblemen führt. Ich habe folgendes geschrieben, was gut zu funktionieren scheint:

library(plyr)
rep.row <- function(r, n){
  colwise(function(x) rep(x, n))(r)
}
4
jebyrnes

Zum Nachschlagen und Hinzufügen zu Antworten, in denen Mefa zitiert wird, lohnt es sich möglicherweise, einen Blick auf die Implementierung von mefa::rep.data.frame() zu werfen, falls Sie nicht das gesamte Paket einschließen möchten:

> data <- data.frame(a=letters[1:3], b=letters[4:6])
> data
  a b
1 a d
2 b e
3 c f
> as.data.frame(lapply(data, rep, 2))
  a b
1 a d
2 b e
3 c f
4 a d
5 b e
6 c f
4
Fabio Gabriel

Meine Lösung ähnlich wie mefa:::rep.data.frame, aber etwas schneller und kümmert sich um Zeilennamen:

rep.data.frame <- function(x, times) {
    rnames <- attr(x, "row.names")
    x <- lapply(x, rep.int, times = times)
    class(x) <- "data.frame"
    if (!is.numeric(rnames))
        attr(x, "row.names") <- make.unique(rep.int(rnames, times))
    else
        attr(x, "row.names") <- .set_row_names(length(rnames) * times)
    x
}

Lösungen vergleichen:

library(Lahman)
library(microbenchmark)
microbenchmark(
    mefa:::rep.data.frame(Batting, 10),
    rep.data.frame(Batting, 10),
    Batting[rep.int(seq_len(nrow(Batting)), 10), ],
    times = 10
)
#> Unit: milliseconds
#>                                            expr       min       lq     mean   median        uq       max neval cld
#>              mefa:::rep.data.frame(Batting, 10) 127.77786 135.3480 198.0240 148.1749  278.1066  356.3210    10  a 
#>                     rep.data.frame(Batting, 10)  79.70335  82.8165 134.0974  87.2587  191.1713  307.4567    10  a 
#>  Batting[rep.int(seq_len(nrow(Batting)), 10), ] 895.73750 922.7059 981.8891 956.3463 1018.2411 1127.3927    10   b
2
Artem Klevtsov

versuchen Sie es zum Beispiel mit

N=2
rep(1:4, each = N) 

als Index

Eine andere Möglichkeit, dies zu tun, besteht darin, zuerst Zeilenindizes abzurufen, zusätzliche Kopien des df anzufügen und dann nach den Indizes zu sortieren:

df$index = 1:nrow(df)
df = rbind(df,df)
df = df[order(df$index),][,-ncol(df)]

Obwohl die anderen Lösungen kürzer sein können, kann dieses Verfahren in bestimmten Situationen vorteilhafter sein.

0
crazjo