根据数据框中的列重塑数据答案

【问题标题】：Reshape data based on column in dataframe根据数据框中的列重塑数据
【发布时间】：2011-03-29 14:41:55
【问题描述】：

我需要采用以下格式的data.frame：

  id1 id2 mean start end
1   A   D    4    12  15
2   B   E    5    14  15
3   C   F    6     8  10

并根据start - end 的差异生成重复行。例如，第一行需要 3 行，第二行需要 1 行，第三行需要 2 行。开始和结束字段应在最终 data.frame 中按顺序排列。这个 data.frame 的最终结果应该是：

   id1 id2 mean start end
1    A   D    4    12  13
2    A   D    4    13  14
3    A   D    4    14  15
21   B   E    5    14  15
31   C   F    6     8   9
32   C   F    6     9  10

我已经编写了这个函数，它可以工作，但不是用非常 R'esque 的代码编写的：

dupData <- function(df){
    diff <- abs(df$start - df$end)
    ret <- {}

    #Expand our dataframe into the appropriate number of rows.
    for (i in 1:nrow(df)){
        for (j in 1:diff[i]){
            ret <- rbind(ret, df[i,])
        } 
    }

    #If matching ID1 and ID2, generate a sequential ordering of start & end dates
    for (k in 2:nrow(ret) - 1) {
        if ( ret[k,1] == ret[k + 1, 1] & ret[k, 2] == ret[k, 2]  ){ 
            ret[k, 5] <- ret[k, 4] + 1
            ret[k + 1, 4] <- ret[k, 5]  
        }
    }
    return(ret)
}

有人对如何优化此代码有建议吗？ plyr中是否有可能适用的功能？

#sample daters
df <- data.frame(id1 = c("A", "B", "C")
        , id2 = c("D", "E", "F")
        , mean = c(4,5,6)  
        , start = c(12,14,8)
        , end = c(15, 15, 10)
)

【问题讨论】：

标签： r reshape plyr

【解决方案1】：

可能有更通用的方法可以做到这一点，但下面使用rbind.fill。

cbind(df[rep(1:nrow(df), times = apply(df[,4:5], 1, diff)), 1:3],
      rbind.fill(apply(df[,4:5], 1, function(x)
                       data.frame(start = x[1]:(x[2]-1), end = (x[1]+1):x[2]))))


##     id1 id2 mean start end
## 1     A   D    4    12  13
## 1.1   A   D    4    13  14
## 1.2   A   D    4    14  15
## 2     B   E    5    14  15
## 3     C   F    6     8   9
## 3.1   C   F    6     9  10

【讨论】：

那是一些非常漂亮的工作，我很感激。使用 100k 行数据帧以适当的格式输出数据大约需要 1.5 分钟。谢谢！

【解决方案2】：

survival 包的survSplit 函数在这些方面做了一些事情，尽管它有更多的选项（例如指定切割时间）。您也许可以使用它，或者查看它的代码，看看您是否可以更好地实现您的简化版本。

【讨论】：

【解决方案3】：

毫无疑问，这不是迟到总比没有好的时代之一，但我遇到了类似的问题并想出了这个......

library(plyr)
ddply(df, c("id1", "id2", "mean", "start", "end"), summarise,
                    sq=seq(1:(end-start)))

【讨论】：

【解决方案4】：

两个替代方案，许多年后，使用当今流行的 data.table 和 tidyverse 包提供替代方案：

选项 1：

library(data.table)
setDT(mydf)[, list(mean, start = start:(end-1)), .(id1, id2)][, end := start + 1][]
   id1 id2 mean start end
1:   A   D    4    12  13
2:   A   D    4    13  14
3:   A   D    4    14  15
4:   B   E    5    14  15
5:   C   F    6     8   9
6:   C   F    6     9  10

选项 2：

library(tidyverse)
mydf %>% 
  group_by(id1, id2, mean) %>% 
  summarise(start = list(start:(end-1))) %>% 
  unnest(start) %>% 
  mutate(end = start+1)

【讨论】：