web-dev-qa-db-fra.com

R sous-téléchéez une image de données en plusieurs cadres de données en fonction de plusieurs valeurs de colonne.

J'essaie de sous-ensemble un cadre de données, où je reçois plusieurs images de données en fonction de plusieurs valeurs de colonne. Voici mon exemple

>df
  v1   v2   v3   v4   v5
   A    Z    1    10   12
   D    Y    10   12    8
   E    X    2    12   15
   A    Z    1    10   12
   E    X    2    14   16

La production attendue est une chose comme celle-ci où je divise cette trame de données dans plusieurs cadres de données en fonction de la colonne v1 et v2

>df1
 v3   v4   v5
  1   10   12
  1   10   12
>df2
 v3   v4   v5
 10   12    8
>df3
 v3   v4   v5
 2    12   15
 2    14   16

J'ai écrit un code qui fonctionne maintenant mais je ne pense pas que c'est la meilleure façon de le faire. Il doit y avoir une meilleure façon de le faire. En supposant que tab est le fichier data.frame ayant les données initiales. Voici mon code:

v1Factors<-levels(factor(tab$v1))
v2Factors<-levels(factor(tab$v2))

for(i in 1:length(v1Factors)){
  for(j in 1:length(v2Factors)){
    subsetTab<-subset(tab, v1==v1Factors[i] & v2==v2Factors[j], select=c("v3", "v4", "v5"))
    print(subsetTab)
  }
}

Quelqu'un peut-il suggérer une meilleure méthode pour faire ce qui précède?

rdataframesubsetmultiple-columns
20
Rachit Agrawal

Vous recherchez split

split(df, with(df, interaction(v1,v2)), drop = TRUE)
$E.X
  v1 v2 v3 v4 v5
3  E  X  2 12 15
5  E  X  2 14 16

$D.Y
  v1 v2 v3 v4 v5
2  D  Y 10 12  8

$A.Z
  v1 v2 v3 v4 v5
1  A  Z  1 10 12

Comme indiqué dans les commentaires

l'un des éléments suivants fonctionnerait

library(microbenchmark)
microbenchmark(
                split(df, list(df$v1,df$v2), drop = TRUE), 
               split(df, interaction(df$v1,df$v2), drop = TRUE),
               split(df, with(df, interaction(v1,v2)), drop = TRUE))


Unit: microseconds
                                                  expr      min        lq    median       uq      max neval
            split(df, list(df$v1, df$v2), drop = TRUE) 1119.845 1129.3750 1145.8815 1182.119 3910.249   100
     split(df, interaction(df$v1, df$v2), drop = TRUE)  893.749  900.5720  909.8035  936.414 3617.038   100
 split(df, with(df, interaction(v1, v2)), drop = TRUE)  895.150  902.5705  909.8505  927.128 1399.284   100

Il semble que interaction est légèrement plus rapide (probablement du fait que la fonction f = list(...) ne vient que convertie en interaction dans la fonction)

Éditer

Si vous voulez juste utiliser le sous-ensemble data.frames, je vous suggère d'utiliser des données. Stable pour la facilité de codage

library(data.table)

dt <- data.table(df)
dt[, plot(v4, v5), by = list(v1, v2)]
31
mnel

Il y a maintenant aussi nest() de tidyr qui est plutôt gentil.

library(tidyr)
nestdf <- df %>% nest(v3:v5)
nestdf$data

> nestdf$data
[[1]]
# A tibble: 2 × 3
     v3    v4    v5
  <int> <int> <int>
1     1    10    12
2     1    10    12

[[2]]
# A tibble: 1 × 3
     v3    v4    v5
  <int> <int> <int>
1    10    12     8

[[3]]
# A tibble: 2 × 3
     v3    v4    v5
  <int> <int> <int>
1     2    12    15
2     2    14    16

Accédez à des treillis individuels avec nestdf$data[1] etc.

6
Joe