重复data.frame的行

10 回答

• 3

  添加到@dardisco提到的有关 mefa::rep.data.frame() 的内容，它非常灵活 .

  你可以 repeat each row N times ：

  rep(df, each=N)
  

  或者 repeat the entire dataframe N times （想一想：当你回收矢量化参数时）

  rep(df, times=N)
  

  两个竖起大拇指 mefa ！我从来没有听说过它，我不得不写手动代码来做到这一点 .

  回复于 2024-05-12T02:30:07+08:00
• 6

  df <- data.frame(a=1:2, b=letters[1:2]) 
  df[rep(seq_len(nrow(df)), each=2),]
  

  回复于 2024-05-12T02:30:07+08:00
• 1

  一个干净的 dplyr 解决方案，取自here

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

  回复于 2024-05-12T02:30:07+08:00
• 2

  如果你可以重复整个事情，或者先将它子集，然后再重复一遍，那么this similar question可能会有所帮助 . 再来一次：

  library(mefa)
  rep(mtcars,10)
  

  或者干脆

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

  回复于 2024-05-12T02:30:07+08:00
• 4

  rep.row函数似乎有时会为列创建列表，这会导致错误的内存hijink . 我写了以下似乎运作良好的：

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

  回复于 2024-05-12T02:30:07+08:00
• 0

  有关引用并添加到引用mefa的答案，如果您不想包含整个包，可能需要查看 mefa::rep.data.frame() 的实现：

  > 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
  

  回复于 2024-05-12T02:30:07+08:00
• 2

  我的解决方案与 mefa:::rep.data.frame 类似，但速度更快，关心行名称：

  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
  }
  

  比较方案：

  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
  

  回复于 2024-05-12T02:30:07+08:00
• 4

  有一个可爱的矢量化解决方案，每个行只能重复n次，例如可以在数据框中添加 ntimes 列：

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

  方法：

  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))
  

  结果：

  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
  

  这与Josh O'Brien和Mark Miller的方法非常相似：

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

  但是，该方法显得相当慢：

  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
  )
  

  结果：

  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
  

  回复于 2024-05-12T02:30:07+08:00
• 20

  尝试使用例如

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

  作为一个指标

  回复于 2024-05-12T02:30:07+08:00
• 106

  另一种方法是先获取行索引，附加df的额外副本，然后按索引排序：

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

  虽然其他解决方案可能更短，但该方法在某些情况下可能更有利 .

  回复于 2024-05-12T02:30:07+08:00