web-dev-qa-db-fra.com

Répéter les lignes d'un data.frame

Je veux répéter les lignes d'un data.frame, chaque N fois. Le résultat devrait être un nouveau data.frame (Avec nrow(new.df) == nrow(old.df) * N) conservant les types de données des colonnes.

Exemple pour N = 2:

                        A B   C
  A B   C             1 j i 100
1 j i 100     -->     2 j i 100
2 K P 101             3 K P 101
                      4 K P 101

Ainsi, chaque ligne est répétée 2 fois et les caractères restent des caractères, les facteurs restent des facteurs, les valeurs numériques restent des valeurs numériques, ...

Ma première tentative utilisée s'applique: apply(old.df, 2, function(co) rep(co, each = N)), mais celle-ci transforme mes valeurs en caractères et j'obtiens:

     A   B   C    
[1,] "j" "i" "100"
[2,] "j" "i" "100"
[3,] "K" "P" "101"
[4,] "K" "P" "101"
rdataframerowsrepeat
76
Stefan
df <- data.frame(a=1:2, b=letters[1:2]) 
df[rep(seq_len(nrow(df)), each=2),]
117
Josh O'Brien

Une solution propre dplyr, tirée de ici

library(dplyr)
df <- tibble(x = 1:2, y = c("a", "b"))
df %>% slice(rep(1:n(), each = 2))
34
David Rubinger

Si vous pouvez répéter le tout, ou le sous-définir d'abord, répétez-le, alors cette question similaire peut être utile. Encore une fois:

library(mefa)
rep(mtcars,10)

ou simplement

mefa:::rep.data.frame(mtcars)
6
dardisco

Il existe une jolie solution vectorisée qui ne répète que certaines lignes n fois, possible par exemple en ajoutant une colonne ntimes à votre cadre de données:

  A B   C ntimes
1 j i 100      2
2 K P 101      4
3 Z Z 102      1

Méthode:

df <- data.frame(A=c("j","K","Z"), B=c("i","P","Z"), C=c(100,101,102), ntimes=c(2,4,1))
df <- as.data.frame(lapply(df, rep, df$ntimes))

Résultat:

  A B   C ntimes
1 Z Z 102      1
2 j i 100      2
3 j i 100      2
4 K P 101      4
5 K P 101      4
6 K P 101      4
7 K P 101      4

Ceci est très similaire à la méthode de Josh O'Brien et Mark Miller:

df[rep(seq_len(nrow(df)), df$ntimes),]

Cependant, cette méthode semble un peu plus lente:

df <- data.frame(A=c("j","K","Z"), B=c("i","P","Z"), C=c(100,101,102), ntimes=c(2000,3000,4000))

microbenchmark::microbenchmark(
  df[rep(seq_len(nrow(df)), df$ntimes),],
  as.data.frame(lapply(df, rep, df$ntimes)),
  times = 10
)

Résultat:

Unit: microseconds
                                      expr      min       lq      mean   median       uq      max neval
   df[rep(seq_len(nrow(df)), df$ntimes), ] 3563.113 3586.873 3683.7790 3613.702 3657.063 4326.757    10
 as.data.frame(lapply(df, rep, df$ntimes))  625.552  654.638  676.4067  668.094  681.929  799.893    10
4
Adam Erickson

En ajoutant à ce que @dardisco a mentionné à propos de mefa::rep.data.frame(), il est très flexible.

Vous pouvez soit répéter chaque ligne N fois:

rep(df, each=N)

ou répéter le nombre total de données de la base de données N fois (penser: comme lorsque vous recyclez un argument vectorisé)

rep(df, times=N)

Deux bravo à mefa! Je n'en avais jamais entendu parler jusqu'à présent et j'ai dû écrire du code manuel pour le faire.

4
smci

La fonction rep.row semble parfois créer des listes pour les colonnes, ce qui conduit à de mauvais hijinks de mémoire. J'ai écrit ce qui suit qui semble bien fonctionner:

library(plyr)
rep.row <- function(r, n){
  colwise(function(x) rep(x, n))(r)
}
4
jebyrnes

Pour référence et ajout aux réponses citant mefa, il pourrait être intéressant de jeter un coup d’œil sur l’implémentation de mefa::rep.data.frame() au cas où vous ne voudriez pas inclure tout le paquet:

> data <- data.frame(a=letters[1:3], b=letters[4:6])
> data
  a b
1 a d
2 b e
3 c f
> as.data.frame(lapply(data, rep, 2))
  a b
1 a d
2 b e
3 c f
4 a d
5 b e
6 c f
4
Fabio Gabriel

Ma solution similaire à mefa:::rep.data.frame, mais un peu plus vite et se soucie des noms de rangs:

rep.data.frame <- function(x, times) {
    rnames <- attr(x, "row.names")
    x <- lapply(x, rep.int, times = times)
    class(x) <- "data.frame"
    if (!is.numeric(rnames))
        attr(x, "row.names") <- make.unique(rep.int(rnames, times))
    else
        attr(x, "row.names") <- .set_row_names(length(rnames) * times)
    x
}

Comparer les solutions:

library(Lahman)
library(microbenchmark)
microbenchmark(
    mefa:::rep.data.frame(Batting, 10),
    rep.data.frame(Batting, 10),
    Batting[rep.int(seq_len(nrow(Batting)), 10), ],
    times = 10
)
#> Unit: milliseconds
#>                                            expr       min       lq     mean   median        uq       max neval cld
#>              mefa:::rep.data.frame(Batting, 10) 127.77786 135.3480 198.0240 148.1749  278.1066  356.3210    10  a 
#>                     rep.data.frame(Batting, 10)  79.70335  82.8165 134.0974  87.2587  191.1713  307.4567    10  a 
#>  Batting[rep.int(seq_len(nrow(Batting)), 10), ] 895.73750 922.7059 981.8891 956.3463 1018.2411 1127.3927    10   b
2
Artem Klevtsov

essayez d'utiliser par exemple

N=2
rep(1:4, each = N)

comme un index

1
shhhhimhuntingrabbits

Une autre façon de faire cela serait d’obtenir d’abord des index de lignes, d’ajouter des copies supplémentaires du fichier df, puis d’ordonner les index suivants:

df$index = 1:nrow(df)
df = rbind(df,df)
df = df[order(df$index),][,-ncol(df)]

Bien que les autres solutions puissent être plus courtes, cette méthode peut être plus avantageuse dans certaines situations.

0
crazjo