重复 data.frame 的每一行一列中指定的次数

Question

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'),
                 freq = 1:3)

扩展上面 data.frame 的前两列的每行，以便每行重复“freq”列中指定的次数，最简单的方法是什么？

换句话说，从这个：

df
  var1 var2 freq
1    a    d    1
2    b    e    2
3    c    f    3

到这个：

df.expanded
  var1 var2
1    a    d
2    b    e
3    b    e
4    c    f
5    c    f
6    c    f

Answer 1

这是一种解决方案：

df.expanded <- df[rep(row.names(df), df$freq), 1:2]

结果：

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

Answer 2

老问题，tidyverse 中的新动词：

library(tidyr) # version >= 0.8.0
df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
df %>% 
  uncount(freq)

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

Answer 3

使用 splitstackshape 包中的 expandRows()：

library(splitstackshape)
expandRows(df, "freq")

语法简单，速度非常快，适用于 data.frame 或 data.table.

结果：

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

Answer 4

@neilfws 的解决方案非常适合 data.frame，但不适用于 data.table，因为它们缺少 row.names 属性。这种方法对两者都适用：

df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]

data.table 的代码更加简洁：

# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]

Answer 5

另一种带有 slice 的 dplyr 替代方案，其中我们重复每个行号 freq 次

library(dplyr)

df %>%  
  slice(rep(seq_len(n()), freq)) %>% 
  select(-freq)

#  var1 var2
#1    a    d
#2    b    e
#3    b    e
#4    c    f
#5    c    f
#6    c    f

seq_len(n()) 部分可以是替换为以下任何一项。

df %>% slice(rep(1:nrow(df), freq)) %>% select(-freq)
#Or
df %>% slice(rep(row_number(), freq)) %>% select(-freq)
#Or
df %>% slice(rep(seq_len(nrow(.)), freq)) %>% select(-freq)

Answer 6

我知道情况并非如此，但如果您需要保留原始的 freq 列，您可以将另一种 tidyverse 方法与 rep 一起使用：

library(purrr)

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3)

df %>% 
  map_df(., rep, .$freq)
#> # A tibble: 6 x 3
#>   var1  var2   freq
#>   <fct> <fct> <int>
#> 1 a     d         1
#> 2 b     e         2
#> 3 b     e         2
#> 4 c     f         3
#> 5 c     f         3
#> 6 c     f         3

^{创建于 2019-12 -21 由 reprex 包 (v0.3.0)}

Answer 7

如果您必须在非常大的 data.frames 上执行此操作，我建议将其转换为 data.table 并使用以下内容，它应该运行得更快：

library(data.table)
dt <- data.table(df)
dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")]
dt.expanded[ ,freq := NULL]
dt.expanded

看看这个解决方案有多快：

df <- data.frame(var1=1:2e3, var2=1:2e3, freq=1:2e3)
system.time(df.exp <- df[rep(row.names(df), df$freq), 1:2])
##    user  system elapsed 
##    4.57    0.00    4.56
dt <- data.table(df)
system.time(dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")])
##    user  system elapsed 
##    0.05    0.01    0.06

Answer 8

另一种可能性是使用 tidyr::expand：

library(dplyr)
library(tidyr)

df %>% group_by_at(vars(-freq)) %>% expand(temp = 1:freq) %>% select(-temp)

#> # A tibble: 6 x 2
#> # Groups:   var1, var2 [3]
#>   var1  var2 
#>   <fct> <fct>
#> 1 a     d    
#> 2 b     e    
#> 3 b     e    
#> 4 c     f    
#> 5 c     f    
#> 6 c     f

vonjd 的答案的单行版本：

library(data.table)

setDT(df)[ ,list(freq=rep(1,freq)),by=c("var1","var2")][ ,freq := NULL][]

#>    var1 var2
#> 1:    a    d
#> 2:    b    e
#> 3:    b    e
#> 4:    c    f
#> 5:    c    f
#> 6:    c    f

^{由 reprex 包 (v0.2.1) 创建于 2019 年 5 月 21 日< /sup>}

Answer 9

我正在为这个精彩答案的精彩线索提供又一个补充！使用 tidyr 包（包含在 tidyverse 中）获得单行解决方案：

df %>% tidyr::uncount(weights = freq)

Answer 10

实际上。使用向量和索引的方法。我们也可以达到同样的结果，并且更容易理解：

rawdata <- data.frame('time' = 1:3, 
           'x1' = 4:6,
           'x2' = 7:9,
           'x3' = 10:12)

rawdata[rep(1, time=2), ] %>% remove_rownames()
#  time x1 x2 x3
# 1    1  4  7 10
# 2    1  4  7 10