Объедините (rbind) кадры данных и создайте столбец с именем исходных кадров данных

У меня есть несколько кадров данных, которые я хочу объединить по ряду. В результирующем одиночном кадре данных я хочу создать новую переменную, идентифицирующую, с каких данных установлено наблюдение.

# original data frames
df1 <- data.frame(x = c(1, 3), y = c(2, 4))
df2 <- data.frame(x = c(5, 7), y = c(6, 8))

# desired, combined data frame
df3  <- data.frame(x = c(1, 3, 5, 7), y = c(2, 4, 6, 8),
                   source = c("df1", "df1", "df2", "df2")
# x y source
# 1 2    df1
# 3 4    df1
# 5 6    df2
# 7 8    df2

Как я могу это достичь? Спасибо заранее!

ОТВЕТЫ

Ответ 1

Это не совсем то, что вы просили, но это довольно близко. Поместите свои объекты в именованный список и используйте do.call(rbind...)

> do.call(rbind, list(df1 = df1, df2 = df2))
      x y
df1.1 1 2
df1.2 3 4
df2.1 5 6
df2.2 7 8

Обратите внимание, что имена строк теперь отражают источник data.frame s.

Обновление: используйте cbind и rbind

Другой вариант - сделать базовую функцию следующим образом:

AppendMe <- function(dfNames) {
  do.call(rbind, lapply(dfNames, function(x) {
    cbind(get(x), source = x)
  }))
}

Затем эта функция берет вектор-символ имен data.frame, которые вы хотите "стекать", следующим образом:

> AppendMe(c("df1", "df2"))
  x y source
1 1 2    df1
2 3 4    df1
3 5 6    df2
4 7 8    df2

Обновление 2: используйте combine из пакета "gdata" 

> library(gdata)
> combine(df1, df2)
  x y source
1 1 2    df1
2 3 4    df1
3 5 6    df2
4 7 8    df2

Обновление 3: используйте rbindlist из "data.table"

Другим подходом, который можно использовать сейчас, является использование rbindlist из "data.table". При этом подход может быть:

> rbindlist(mget(ls(pattern = "df\\d+")), idcol = TRUE)
   .id x y
1: df1 1 2
2: df1 3 4
3: df2 5 6
4: df2 7 8

Обновление 4: используйте map_df из "purrr"

Подобно rbindlist, вы также можете использовать map_df из "purrr" с помощью I или c в качестве функции, применяемой к каждому элементу списка.

> mget(ls(pattern = "df\\d+")) %>% map_df(I, .id = "src")
Source: local data frame [4 x 3]

    src     x     y
  (chr) (int) (int)
1   df1     1     2
2   df1     3     4
3   df2     5     6
4   df2     7     8

Ответ 2

Я не уверен, что такая функция уже существует, но это похоже на трюк:

bindAndSource <-  function(df1, df2) { 
  df1$source <- as.character(match.call())[[2]]
  df2$source <- as.character(match.call())[[3]]
  rbind(df1, df2)
}

Результаты:

bindAndSource(df1, df2)

1 1 2    df1
2 3 4    df1
3 5 6    df2
4 7 8    df2

Предостережение: это не будет работать в *aply -подобных вызовах

Ответ 3

Смесь двух других ответов:

df1 <- data.frame(x = 1:3,y = 1:3)
df2 <- data.frame(x = 4:6,y = 4:6)

> foo <- function(...){
    args <- list(...)
    result <- do.call(rbind,args)
    result$source <- rep(as.character(match.call()[-1]),times = sapply(args,nrow))
    result
 }

> foo(df1,df2,df1)
  x y source
1 1 1    df1
2 2 2    df1
3 3 3    df1
4 4 4    df2
5 5 5    df2
6 6 6    df2
7 1 1    df1
8 2 2    df1
9 3 3    df1

Если вы хотите избежать бизнеса match.call, вы всегда можете ограничиться наименованием аргументов функции (т.е. df1 = df1, df2 = df2) и использовать names(args) для доступа к именам.

Ответ 4

Другой подход с использованием dplyr:

df1 <- data.frame(x = c(1,3), y = c(2,4))
df2 <- data.frame(x = c(5,7), y = c(6,8))

df3 <- dplyr::bind_rows(list(df1=df1, df2=df2), .id = 'source')

df3
Source: local data frame [4 x 3]

  source     x     y
   (chr) (dbl) (dbl)
1    df1     1     2
2    df1     3     4
3    df2     5     6
4    df2     7     8

Ответ 5

Другим обходным решением для этого является использование ldply в пакете plyr...

df1 <- data.frame(x = c(1,3), y = c(2,4))
df2 <- data.frame(x = c(5,7), y = c(6,8))
list = list(df1 = df1, df2 = df2)
df3 <- ldply(list)

df3
  .id x y
  df1 1 2
  df1 3 4
  df2 5 6
  df2 7 8

Ответ 6

Несмотря на то, что здесь есть некоторые отличные ответы, я просто хотел добавить тот, который я использовал. Это база R, поэтому она может быть менее ограничивающей, если вы хотите использовать ее в пакете, и она немного быстрее, чем некоторые другие базовые решения R.

dfs <- list(df1 = data.frame("x"=c(1,2), "y"=2),
            df2 = data.frame("x"=c(2,4), "y"=4),
            df3 = data.frame("x"=2, "y"=c(4,5,7)))

> microbenchmark(cbind(do.call(rbind,dfs), 
                       rep(names(dfs), vapply(dfs, nrow, numeric(1)))), times = 1001)
Unit: microseconds
     min      lq     mean  median      uq      max neval
 393.541 409.083 454.9913 433.422 453.657 6157.649  1001

Первая часть, do.call(rbind, dfs) связывает строки кадров данных в единый фрейм данных. vapply(dfs, nrow, numeric(1)) находит, сколько строк каждого кадра данных передано в rep в rep(names(dfs), vapply(dfs, nrow, numeric(1))), чтобы повторить имя кадра данных один раз для каждой строки фрейма данных. cbind помещает их все вместе.

Это похоже на ранее опубликованное решение, но примерно в 2 раза быстрее.

> microbenchmark(do.call(rbind, 
                         lapply(names(dfs), function(x) cbind(dfs[[x]], source = x))), 
                 times = 1001)
Unit: microseconds
      min      lq     mean  median       uq      max neval
  844.558 870.071 1034.182 896.464 1210.533 8867.858  1001

Я не уверен на 100%, но я считаю, что ускорение вызвано однократным вызовом cbind вместо одного кадра данных.