df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
Каков самый простой способ развернуть первые два столбца файла data.frame выше, так что в каждой строке отображается количество раз, указанное в столбце "freq"?
Другими словами, идите отсюда:
df
var1 var2 freq
1 a d 1
2 b e 2
3 c f 3
Для этого:
df.expanded
var1 var2
1 a d
2 b e
3 b e
4 c f
5 c f
6 c f
Здесь одно решение:
df.expanded <- df[rep(row.names(df), df$freq), 1:2]
Результат:
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
Используйте expandRows() из пакета splitstackshape:
library(splitstackshape)
expandRows(df, "freq")
Простой синтаксис, очень быстрый, работает на data.frame или data.table.
Результат:
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
старый вопрос, новый глагол в tidyverse:
library(tidyr) # version >= 0.8.0
df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
df %>%
uncount(freq)
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
Решение @neilfws отлично работает для data.frame, но не для data.table так как им не row.names свойства row.names. Этот подход работает для обоих:
df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]
Код для data.table - это data.table средство:
# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]
Если вам нужно выполнить эту операцию на очень больших data.frames, я бы рекомендовал преобразовать ее в таблицу data.table и использовать следующее, которое должно выполняться намного быстрее:
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
Посмотрите, насколько быстрее это решение:
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
Другая возможность - использовать 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
Однолинейная версия ответа vonjd:
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
Создано 2019-05-21 пакетом представлением (v0.2.1)
Другой dplyr альтернатива с slice где мы повторяем каждый номер строки freq раз
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()) может быть заменена любой из следующих.
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)