data.frame的逐行扩展[重复]答案

【问题标题】：Row-wise expansion of data.frame [duplicate]data.frame的逐行扩展[重复]
【发布时间】：2016-07-28 14:46:18
【问题描述】：

我基本上想做与ddply(df, columns.to.preserve, numcolwise(FUNCTION)相反的事情。

假设我有

d <- data.frame(
  count=c(2,1,3),
  summed.value=c(50,20,30),
  averaged.value=c(35,80,20)
)

      count summed.value averaged.value
1     2           50             35
2     1           20             80
3     3           30             20

我想根据count 列对此data.frame 进行行扩展，同时指定我想对其他列应用哪种操作。这是我正在寻找的结果：

> d2
  count summed.value averaged.value
1     1           25             35
2     1           25             35
3     1           20             80
4     1           10             20
5     1           10             20
6     1           10             20

dplyr 或其他包中是否有内置函数可以执行此类操作？

编辑：这与De-aggregate / reverse-summarise / expand a dataset in R 问题不同，因为我想更进一步，实际上将不同的函数应用于我希望扩展的表中的列。这篇文章还有更多有用和答案。

【问题讨论】：

扩展data.frame here的一些地方。完成后，只需将summed.value 和count 除以count。

标签： r dplyr

【解决方案1】：

使用dplyr 和tidyr，您可以对summed.value 进行rowwise 转换，它会为每个单元格生成一个列表，然后unnest 该列应该会为您提供所需的内容：

library(dplyr); library(tidyr)
d %>% rowwise() %>% summarise(summed.value = list(rep(summed.value/count, count)), 
                              averaged.value = averaged.value, count = 1) %>% unnest()

# Source: local data frame [6 x 3]

#   averaged.value count summed.value
#            <dbl> <dbl>        <dbl>
# 1             35     1           25
# 2             35     1           25
# 3             80     1           20
# 4             20     1           10
# 5             20     1           10
# 6             20     1           10

另一种方法是使用data.table，可以指定行号为组变量，数据表会自动展开：

library(data.table)
setDT(d)
d[, .(summed.value = rep(summed.value/count, count), averaged.value, count = 1), .(1:nrow(d))]
 [, nrow := NULL][]

#   summed.value averaged.value count
#1:           25             35     1
#2:           25             35     1
#3:           20             80     1
#4:           10             20     1
#5:           10             20     1
#6:           10             20     1

【讨论】：

【解决方案2】：

reshape 包中有一个函数untable 用于获取表格的倒数。然后将需要除以count 的变量通过mutate_at（或mutate_each）。 mutate_at 是在 dplyr_0.5.0 中引入的。

首先是untable：

library(reshape)
untable(d, num = d$count)

    count summed.value averaged.value
1       2           50             35
1.1     2           50             35
2       1           20             80
3       3           30             20
3.1     3           30             20
3.2     3           30             20

然后mutate_at 用于将summed.value 和count 除以count：

library(dplyr)

untable(d, num = d$count) %>%
    mutate_at(vars(summed.value, count), funs(./count))

  count summed.value averaged.value
1     1           25             35
2     1           25             35
3     1           20             80
4     1           10             20
5     1           10             20
6     1           10             20

【讨论】：

mutate_at 来自哪里？它似乎不在plyr 或dplyr 中。另外，你知道为什么untable 不在reshape2 中吗？
mutate_at 在当前版本的 dplyr 中。我不知道为什么 untable 没有被带入 reshape2。

【解决方案3】：

这是一个既简单又完全矢量化的 base R 方法

transform(d[rep(1:nrow(d), d$count), ], 
          count = 1, 
          summed.value = summed.value/count)
#     count summed.value averaged.value
# 1       1           25             35
# 1.1     1           25             35
# 2       1           20             80
# 3       1           10             20
# 3.1     1           10             20
# 3.2     1           10             20

或者类似地，使用data.table

library(data.table)
res <- setDT(d)[rep(1:.N, count)][, `:=`(count = 1, summed.value = summed.value / count)]
res
#    count summed.value averaged.value
# 1:     1           25             35
# 2:     1           25             35
# 3:     1           20             80
# 4:     1           10             20
# 5:     1           10             20
# 6:     1           10             20

【讨论】：

【解决方案4】：

基本 R 解决方案：它尝试通过 count 列的值复制每一行，然后将 count 和 summed.value 列除以 count。

mytext <- 'count,summed.value,averaged.value
2,50,35
1,20,80
3,30,20'

mydf <-  read.table(text=mytext,header=T,sep = ",")

mydf <- do.call(rbind,apply(mydf, 1, function(x) {
  tempdf <- t(replicate(x[1],x,simplify = T))
  tempdf[,1] <- tempdf[,1]/x[1]
  tempdf[,2] <- tempdf[,2]/x[1]
  return(data.frame(tempdf))
}))

count summed.value averaged.value
     1           25             35
     1           25             35
     1           20             80
     1           10             20
     1           10             20
     1           10             20

【讨论】：