根据列中的公共值将大型数据帧拆分为数据帧列表

3 回答

• 77

  您可以使用例如，轻松访问列表中的每个元素 . path[[1]] . 您不能将一组矩阵放入原子向量中并访问每个元素 . 矩阵是具有维度属性的原子向量 . 我会使用 split 返回的列表结构，它's what it was designed for. Each list element can hold data of different types and sizes so it'非常通用，您可以使用 *apply 函数进一步操作列表中的每个元素 . 以下示例 .

  #  For reproducibile data
  set.seed(1)
  
  #  Make some data
  userid <- rep(1:2,times=4)
  data1 <- replicate(8 , paste( sample(letters , 3 ) , collapse = "" ) )
  data2 <- sample(10,8)
  df <- data.frame( userid , data1 , data2 )
  
  #  Split on userid
  out <- split( df , f = df$userid )
  #$`1`
  #  userid data1 data2
  #1      1   gjn     3
  #3      1   yqp     1
  #5      1   rjs     6
  #7      1   jtw     5
  
  #$`2`
  #  userid data1 data2
  #2      2   xfv     4
  #4      2   bfe    10
  #6      2   mrx     2
  #8      2   fqd     9
  

  使用 [[ 运算符访问每个元素，如下所示：

  out[[1]]
  #  userid data1 data2
  #1      1   gjn     3
  #3      1   yqp     1
  #5      1   rjs     6
  #7      1   jtw     5
  

  或者使用 *apply 函数对每个列表元素执行进一步操作 . 例如，要获取 data2 列的平均值，您可以像这样使用sapply：

  sapply( out , function(x) mean( x$data2 ) )
  #   1    2 
  #3.75 6.25
  

  回复于 2024-04-29T21:39:40+08:00
• 3

  偶然发现了这个答案，我实际上想要两个组（包含一个用户的数据和包含除一个用户之外的所有内容的数据） . 对于这篇文章的细节没有必要，但我想我会补充以防有人在谷歌搜索与我相同的问题 .

  df <- data.frame(
       ran_data1=rnorm(125),
       ran_data2=rnorm(125),
       g=rep(factor(LETTERS[1:5]), 25)
   )
  
  test_x = split(df,df$g)[['A']]
  test_y = split(df,df$g!='A')[['TRUE']]
  

  这是它的样子：

  head(test_x)
              x          y g
  1   1.1362198  1.2969541 A
  6   0.5510307 -0.2512449 A
  11  0.0321679  0.2358821 A
  16  0.4734277 -1.2889081 A
  21 -1.2686151  0.2524744 A
  
  > head(test_y)
              x          y g
  2 -2.23477293  1.1514810 B
  3 -0.46958938 -1.7434205 C
  4  0.07365603  0.1111419 D
  5 -1.08758355  0.4727281 E
  7  0.28448637 -1.5124336 B
  8  1.24117504  0.4928257 C
  

  回复于 2024-04-29T21:39:40+08:00
• 8

  从版本0.8.0开始， dplyr 提供了一个名为 group_split() 的便捷功能：

  # On sample data from @Aus_10
  df %>%
    group_split(g)
  
  [[1]]
  # A tibble: 25 x 3
     ran_data1 ran_data2 g    
         <dbl>     <dbl> <fct>
   1     2.04      0.627 A    
   2     0.530    -0.703 A    
   3    -0.475     0.541 A    
   4     1.20     -0.565 A    
   5    -0.380    -0.126 A    
   6     1.25     -1.69  A    
   7    -0.153    -1.02  A    
   8     1.52     -0.520 A    
   9     0.905    -0.976 A    
  10     0.517    -0.535 A    
  # … with 15 more rows
  
  [[2]]
  # A tibble: 25 x 3
     ran_data1 ran_data2 g    
         <dbl>     <dbl> <fct>
   1     1.61      0.858 B    
   2     1.05     -1.25  B    
   3    -0.440    -0.506 B    
   4    -1.17      1.81  B    
   5     1.47     -1.60  B    
   6    -0.682    -0.726 B    
   7    -2.21      0.282 B    
   8    -0.499     0.591 B    
   9     0.711    -1.21  B    
  10     0.705     0.960 B    
  # … with 15 more rows
  

  回复于 2024-04-29T21:39:40+08:00