在R中将数据框拆分为一定数量的组答案

【问题标题】：Split dataframe into certain number of groups in R在R中将数据框拆分为一定数量的组
【发布时间】：2021-09-28 02:01:41
【问题描述】：

我有一个包含 285000 条记录的数据框，我想将其拆分为 10 个数据框，以便我可以轻松保存和访问。我正在尝试像这样拆分它，但我不确定如何分别保存所有数据帧：

groups <- c("x1", "x2", "x3", "x4", "x5", "x6", "x7", "x8", "x9", "x10")
X <- split(data5, f = groups)

像这样我只收到一个子集数据帧。

【问题讨论】：

你试过data5$groupingVar而不是f = groups，其中groupingVar是包含值x1、x2等的列？
我想按行而不是按列分割..
您是否期望输出为 10 个长度相等并命名为 x1..x10 的数据帧？
是的，这是预期的输出
这不是 split 的作用。第二个参数是一个分组变量（任何可强制因子），它确定如何拆分数据。您可以创建一个重复序列为 1:10 的新变量，然后将该向量用作第二个参数。

标签： r dataframe split

【解决方案1】：

如果你想将大数据框任意拆分成小数据框，可以在数据框中添加一个均匀分布的分组变量，然后使用拆分。

df <- data.frame(group = rep(1:3, 4),
                 val = runif(12))

df

   group       val
1      1 0.5883321
2      2 0.5704967
3      3 0.7866597
4      1 0.8685778
5      2 0.6580090
6      3 0.1036386
7      1 0.7858867
8      2 0.2679281
9      3 0.2577965
10     1 0.6040585
11     2 0.6987716
12     3 0.2328914
> 

split(df, x$groupVal)

> $a
   group       val
2      2 0.5704967
5      2 0.6580090
8      2 0.2679281
11     2 0.6987716

$b
   group       val
1      1 0.5883321
4      1 0.8685778
7      1 0.7858867
10     1 0.6040585

$c
   group       val
3      3 0.7866597
6      3 0.1036386
9      3 0.2577965
12     3 0.2328914

【讨论】：

【解决方案2】：

如果你想split你的data并单独保存，我建议使用tidyverse的以下方法。

拆分数据

# libraries;
library(tidyverse)
library(data.table)

# split data according to some
# variable and store

data_list <- mtcars %>% split(
        f = .$cyl
) %>% set_names(
        nm = paste("cylinder", names(.), sep = "")
)

这里，f = .$cyl 指的是您感兴趣的数据集中的分组变量。在这个例子中，我根据cyl 在mtcars 中拆分数据。

函数根据data 中的每个级别进行拆分。在本例中为 4、6 和 8 个气缸。

我从purrr 继续使用set_names 来相应地命名列表中的每个元素。

保存数据

# store and save locally
# by using map

map(
        .x = 1:length(data_list),
        .f = function(i) {
                
                # set name of data to save locally
                path <- paste(names(data_list[i]), ".csv", sep = "")
                
                # save with fwrite
                fwrite(
                        data_list[[i]],
                        file = path,
                        sep  = ";"
                )
                
                
        }
)

我使用map 遍历split 创建的列表的整个长度，并根据我们上面使用data.table 中的fwrite 设置的名称将它们保存在本地以获得更好的性能。

请注意，在脚本中，每个数据都保存为paste(names(data_list[i]), ".csv", sep = "")，其计算结果为cylinder4.csv、cylinder6.csv 和cylinder8.csv。

对您的数据使用相同的方法，只需对脚本进行少量更改即可。

最好的

【讨论】：