带有 dplyr R 的笛卡尔积答案

【问题标题】：cartesian product with dplyr R带有 dplyr R 的笛卡尔积
【发布时间】：2017-08-30 21:39:01
【问题描述】：

我正在尝试查找笛卡尔积的 dplyr 函数。我有两个没有公共变量的简单 data.frame：

x <- data.frame(x=c("a","b","c"))
y <- data.frame(y=c(1,2,3))

我想重现

的结果

merge(x,y)

  x y
1 a 1
2 b 1
3 c 1
4 a 2
5 b 2
6 c 2
7 a 3
8 b 3
9 c 3

我已经寻找过这个（例如here 或here），但没有找到任何有用的东西。

非常感谢

【问题讨论】：

expand.grid(x$x,y$y) 或 CJ(x$x, y$y) 来自 data.table

标签： r dplyr cartesian-product

【解决方案1】：

expand.grid(x=c("a","b","c"),y=c(1,2,3))

编辑：对于 n 个更复杂的 data.frame，还请考虑以下来自“Y T”的优雅解决方案：

https://stackoverflow.com/a/21911221/5350791

简而言之：

expand.grid.df <- function(...) Reduce(function(...) merge(..., by=NULL), list(...))
expand.grid.df(df1, df2, df3)

【讨论】：

tidyr 包里还有expand_grid。

【解决方案2】：

如果我们需要tidyverse 输出，我们可以使用tidyr 中的expand

library(tidyverse)
y %>% 
   expand(y, x= x$x) %>%
   select(x,y)
# A tibble: 9 × 2
#       x     y
#  <fctr> <dbl>
#1      a     1
#2      b     1
#3      c     1
#4      a     2
#5      b     2
#6      c     2
#7      a     3
#8      b     3
#9      c     3

【讨论】：

【解决方案3】：

当遇到这个问题时，我倾向于做这样的事情：

x <- data.frame(x=c("a","b","c"))
y <- data.frame(y=c(1,2,3))
x %>% mutate(temp=1) %>% 
inner_join(y %>% mutate(temp=1),by="temp") %>%
dplyr::select(-temp)

如果 x 和 y 是多列数据框，但我想将 x 行与 y 行组合起来，那么这比我能想到的任何 expand.grid() 选项都更简洁

【讨论】：

【解决方案4】：

使用tidyr 包中的crossing：

x <- data.frame(x=c("a","b","c"))
y <- data.frame(y=c(1,2,3))

crossing(x, y)

结果：

【讨论】：

【解决方案5】：

向所有人致歉：以下示例是否似乎适用于 data.frames 或 data.tables。

当 x 和 y 是数据库 tbls (tbl_dbi / tbl_sql) 你现在也可以这样做：

full_join(x, y, by = character())

在 2017 年底添加到 dplyr，并且在 DB 世界中也被翻译为 CROSS JOIN。省去了引入假变量的麻烦。

【讨论】：

我正在使用 dplyr 0.7.6 运行，这给出了给定示例的错误 Error in full_join_impl(x, y, by_x, by_y, aux_x, aux_y, na_matches) : by must specify variables to join by。有什么想法吗？
与 dplyr 0.7.8 的 @Lyngbakr 相同的错误。这曾经出现在 dplyr 中吗？没有这个，我使用crossing()，就像在接受的答案中一样。
@andyyy 发生此错误时的基础类型是什么？我看到了奇怪和不同的行为，尤其是在 data.tables 上。

【解决方案6】：

这是 dsz 评论的延续。想法来自：http://jarrettmeyer.com/2018/07/10/cross-join-dplyr。

tbl_1$fake <- 1
tbl_2$fake <- 1
my_cross_join <- full_join(tbl_1, tbl_2, by = "fake") %>%
                 select(-fake)

我对大小从 4 到 640 obs 的四列数据进行了测试，耗时约 1.08 秒。

【讨论】：

我喜欢这个。它既好又简单，但根据我的经验，性能不是很好。

【解决方案7】：

使用上面的两个答案，使用full_join() 和by = character() 似乎更快：

library(tidyverse)
library(microbenchmark)

df <- data.frame(blah = 1:10)

microbenchmark(diamonds %>% crossing(df))
Unit: milliseconds
                      expr      min       lq     mean   median       uq     max neval
 diamonds %>% crossing(df) 21.70086 22.63943 23.72622 23.01447 24.25333 30.3367   100
microbenchmark(diamonds %>% full_join(df, by = character()))
Unit: milliseconds
                                         expr      min       lq     mean   median       uq      max neval
 diamonds %>% full_join(df, by = character()) 9.814783 10.23155 10.76592 10.44343 11.18464 15.71868   100

【讨论】：