R 中从计数到案例

Question

我有一个数据集，其中有一列指示由多个变量组成的组的出现次数。这里是性别和颜色。

CASES <- base::data.frame(SEX   = c("M", "M", "F", "F", "F"), 
                          COLOR = c("brown", "blue", "brown", "brown", "brown"))
COUNT <- base::as.data.frame(base::table(CASES))
COUNT

我需要更改数据集的结构，因此该组的每次出现都有一行。有人帮助我创建了一个完美运行的函数。

countsToCases <- function(x, countcol = "Freq") {
    # Get the row indices to pull from x
    idx <- rep.int(seq_len(nrow(x)), x[[countcol]])
    # Drop count column
    x[[countcol]] <- NULL
    # Get the rows from x
    x[idx, ]
}

CASES <- countsToCases(base::as.data.frame(COUNT))
CASES

现在的问题是我有一个巨大的数据集（来自 tidytuesday 的 babyname 数据集），但它不起作用，因为它太慢了。

db_babynames <- data.table::as.data.table(tuesdata$babyname)

db_babynames <- db_babynames[
  j = characters_n := stringr::str_count(string  = name,
                                         pattern = ".")
][
  j = c("year", "characters_n", "n")
]

我正在寻找更快的解决方案，如果可能的话，使用 data.table 包。

Answer 1

如果需要未计数的版本，我会使用 tidyr::uncount()，但请考虑此 帖子中的建议 使用您的原始数据

library(dplyr)
library(tidyr)

CASES <- base::data.frame(
  SEX   = c("M", "M", "F", "F", "F"),
  COLOR = c("brown", "blue", "brown", "brown", "brown")
  )

COUNT <- count(CASES, SEX, COLOR, name = 'Freq')

tidyr::uncount(base::as.data.frame(COUNT), Freq)
#>   SEX COLOR
#> 1   F brown
#> 2   F brown
#> 3   F brown
#> 4   M  blue
#> 5   M brown

^{由 reprex 包 (v2.0.1)}