将数据框转换为逗号分隔字符串列表的最快方法

Question

我有一个包含市镇名称和州名称的数据框。它看起来像这样：

 my.df <- structure(list(Location = c("Abatiá", "Adrianópolis", "Agudos do Sul", 
"Almirante Tamandaré", "Altamira do Paraná", "Altônia"), State = c("PR", 
"PR", "PR", "PR", "PR", "PR")), .Names = c("Location", "State"
), row.names = 0:5, class = "data.frame")

我需要做的是将此数据框转换为数组。预期的输出是这样的：

my.array$PR
Abatiá, PR
Adrianópolis, PR
Agudos do Sul, PR
...

my.array$RS
Vitória das Missões, RS
Westfalia, RS
Xangri-lá, RS
...

等等。

我怎样才能到达那里？

我的实际数据集大约有 10k 行，因此可能需要快速解决方案而不是易读性。谢谢！

Answer 1

以下内容应该可以满足您的需求。

df = data.frame("location" = c("a", "b", "c", "d", "e", "f"), "state" = c("pr", "pr", "pr", "rs", "rs", "rs"), stringsAsFactors=F)
my.array = lapply(unique(df$state), function(x) paste(df$location[df$state == x], df$state[df$state == x], sep=", "))
names(my.array) = unique(df$state)
my.array$pr
# [1] "a, pr" "b, pr", "c, pr"

我简化了df 中的值，但要点保持不变。

Answer 2

因为您想要一个类似列表的结果（即，您可以使用$ 进行索引），所以在State 上使用split。它自然会生成一个以States 为名称的列表

一个方法是先拆分

split_df <- split(my.df, my.df$State)
my.array <- sapply(names(split_df), function(name) 
                               paste(split_df[[name]][["Location"]],
                                     ", ", name, sep=""), 
                    USE.NAMES = TRUE)

第二种使用 split 的方式（在考虑了更多问题之后，似乎更优雅）是在位置之后直接拆分，状态对

# First, create a new vector (array) of location, state pairs
# use apply(X, 1, FUN) which works row-wise along X
# and for each row, paste it together
location_state <- apply(my.df,
                        1,
                        function(r) paste(r["Location"],
                                          r["State"],
                                          sep=', '))
#Second, split that vector, using State
split(location_state, my.df$State)

示例数据

states <- sapply(1:100, function(pass) paste0(sample(LETTERS, 2), collapse=""))
my.df <- data.frame(State=sample(states, 10000, replace=TRUE),
                 Location=sapply(1:1e4, function(pass) paste0(sample(letters, 5),
                                                         collapse="")), 
                    stringsAsFactors=FALSE)

Answer 3

使用 Reduce 怎么样？

Reduce(function(...) paste(..., sep=", "), my.df)

---

编辑：使用@thelatemail 建议更新基准测试

#for your  benchmarking using 1 million rows
library(rbenchmark)
df <- data.frame(X=rnorm(1e6), Y=rnorm(1e6))
benchmark(M1=Reduce(function(...) paste(..., sep=", "), df),
    M2=do.call(paste, c(df, sep=", ")))

##test replications elapsed relative user.self sys.self user.child sys.child
##1   M1           10   68.60    1.219     68.55     0.00         NA        NA
##2   M2           10   56.28    1.000     56.22     0.07         NA        NA

do.call(paste, c(df, sep=", ")) 肯定更快！