R中数据框中的重复行答案

【问题标题】：duplicate rows in a data frame in RR中数据框中的重复行
【发布时间】：2015-06-26 22:20:32
【问题描述】：

我正在尝试使用下面的代码在我的数据框中复制行。但是，我发现它很慢。

duprow = df[1,]
for(i in 1:2000)
{
    print(i)
    df = rbind(df,duprow)
}

有没有更快的方法？

【问题讨论】：

标签： r dataframe

【解决方案1】：

您可以使用rep，例如对于 5 个重复项或第 1 行：

df <- data.frame(x = 1, y = 1)
rbind(df, df[rep(1, 5), ])
#     x y
# 1   1 1
# 11  1 1
# 1.1 1 1
# 1.2 1 1
# 1.3 1 1
# 1.4 1 1

【讨论】：

【解决方案2】：

这是我的破解：

> # create an example data frame
> colornames=c("violet","indigo","blue","green","yellow","orange","red")
> wavelength=c(400,425,470,550,600,630,665)
> df <- data.frame(colornames, wavelength)
> 
> # How many replicates you want of each row
> duptimes <- c(0,1,2,1,1,4,1)
> 
> # Create an index of the rows you want with duplications
> idx <- rep(1:nrow(df), duptimes)
> 
> # Use that index to genderate your new data frame
> dupdf <- df[idx,]
> 
> # display results
> df
  colornames wavelength
1     violet        400
2     indigo        425
3       blue        470
4      green        550
5     yellow        600
6     orange        630
7        red        665
> dupdf
    colornames wavelength
2       indigo        425
3         blue        470
3.1       blue        470
4        green        550
5       yellow        600
6       orange        630
6.1     orange        630
6.2     orange        630
6.3     orange        630
7          red        665

我不知道这是否更快，但它不需要加载额外的包并且还删除不需要的行。

缺点是您需要对数据框中的每一行做出决定，但这应该不会太难编码。

【讨论】：

这对我来说效果很好，并且使用以 100 万行开头的数据框很快。如果你想为每一行重复相同的次数，你可以使用reptimes <- 12; idx <- rep(1:nrow(df), reptimes); rep_df <- df[idx, ]
这个技巧很巧妙。它也适用于向量，您可以多次将其应用于嵌套数据。

【解决方案3】：

我昨天遇到了类似的问题，还有一个名为“splitstackshape”的包。那么就很简单了，如下代码：

library(splitstackshape)
df <- data.frame(x = 1, y = 1)
df2 <- expandRows(df, count=2000, count.is.col=FALSE)

您可能还想通过以下方式“修复”行名

rownames(df2) <- 1:2000

【讨论】：

我通常只是使用rownames(df2) <- NULL来达到同样的效果。或者，如果输入是data.table，则不会以行名开头。例如：expandRows(as.data.table(df), count = 2000, count.is.col = FALSE)

【解决方案4】：

Luke 使用 rep() 的回答暂时可以完成您的工作，但从长远来看，以下这些回答可能会对您有所帮助。

请在speeding up rbind 上查看这个答案，了解为什么它很慢并且不使用循环。它还具有预先分配数据帧的代码。另请参阅 jorans Second circle of hell comment。
建议 rbind.fill 来自@coanil

我想补充两点：1）一般情况下，如果你不想使用data.table，你可以使用Hadley的plyr包中的rbind.fill函数，速度也很快。永远不要像上面那样在“for”循环中使用 rbind，分别附加每一行。每次追加一行时，它都会强制 R 复制数据框对象，这很慢。

https://stackoverflow.com/a/19699342/4606130

如果你走data.table路线，那么使用更快的rbindlist。（@David 在第一个答案链接中建议了这一点。）

【讨论】：

【解决方案5】：

我有一个类似的问题，我想使用dplyr 以整洁的方式解决它。我最终使用dplyr::filter() 和dplyr::row_number() 根据行号从我的数据框中过滤了指定的行。并使用dplyr::bind_rows() 将它们绑定到原始数据帧，所有这些都在一个管道中。在您的示例中，它将是这样的：

df %>% 
  filter(row_number() <= 2000) %>% 
  bind_rows(df)

如果您想复制特定的行，快速简单！当然，您可以使用特定的行号进行复制，使用filter(row_number() %in% c(...))。

【讨论】：