笛卡尔积数据框答案

【问题标题】：Cartesian product data frame笛卡尔积数据框
【发布时间】：2010-11-29 23:41:00
【问题描述】：

我有三个或更多表示为 R 向量的自变量，如下所示：

A <- c(1,2,3)
B <- factor(c('x','y'))
C <- c(0.1,0.5)

我想取所有这些的笛卡尔积并将结果放入数据框中，如下所示：

A B C
1 x 0.1
1 x 0.5
1 y 0.1
1 y 0.5
2 x 0.1
2 x 0.5
2 y 0.1
2 y 0.5
3 x 0.1
3 x 0.5
3 y 0.1
3 y 0.5

我可以通过手动写出对rep的调用来做到这一点：

d <- data.frame(A = rep(A, times=length(B)*length(C)),
                B = rep(B, times=length(A), each=length(C)),
                C = rep(C, each=length(A)*length(B))

但必须有更优雅的方式来做到这一点，是吗？ product in itertools 完成了部分工作，但我找不到任何方法来吸收迭代器的输出并将其放入数据框中。有什么建议吗？

附言这个计算的下一步看起来像

d$D <- f(d$A, d$B, d$C)

因此，如果您知道同时执行这两个步骤的方法，那也会很有帮助。

【问题讨论】：

如果你指定函数 f 的作用会很有用。
f 是几种不同的数学计算之一的占位符，但就这个问题而言，我认为你需要知道的是它们都采用N个适当类型的向量并产生一个向量；所有输入的长度必须相同，输出也是该长度。
我建议更改此问题的标题...“数据表”现在在 R 中的含义有所不同。
@random_forest_fanatic 我将其更改为“数据框”。如果这不是你的意思，请澄清。（我不知道你在说什么，但我的意思总是一个数据框架，而且标题确实是我的草率。）
@Frank 我挑剔的原因是因为我找到了这个问题，因为我正在搜索标题所说的内容：如何用 R 中的 data.table 做笛卡尔积。这个问题没有与该主题有关，因此我建议对其进行更改以避免将来出现混淆/误导。

标签： r dataframe

【解决方案1】：

您可以使用expand.grid(A, B, C)

编辑：使用do.call 来实现第二部分的替代方法是plyr 包中的函数mdply：

library(plyr)

d = expand.grid(x = A, y = B, z = C)
d = mdply(d, f)

使用一个简单的函数'paste'来说明它的用法，你可以试试

d = mdply(d, 'paste', sep = '+');

【讨论】：

啊哈！我知道必须有一个标准库例程来执行此操作，但找不到它的名称。不过，如果有人对第二部分有答案，我将保留这个问题。
如果 f 是一个自定义函数，那么你可以修改它以接受一个数据框作为参数，并让函数处理拆分成分量向量
一直盯着 plyr 文档，但没有意识到这是 mdply 的用途。谢谢。

【解决方案2】：

有一个操作数据框的函数，在这种情况下很有帮助。

它可以产生各种连接（用SQL术语来说），而笛卡尔积是一个特例。

您必须先将变量转换为数据帧，因为它以数据帧作为参数。

这样就可以了：

A.B=merge(data.frame(A=A), data.frame(B=B),by=NULL);
A.B.C=merge(A.B, data.frame(C=C),by=NULL);

唯一需要注意的是行没有按照您描述的那样排序。您可以根据需要手动对其进行排序。

merge(x, y, by = intersect(names(x), names(y)),
      by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
      sort = TRUE, suffixes = c(".x",".y"),
      incomparables = NULL, ...)

“如果 by 或两者 by.x 和 by.y 的长度为 0（长度为零的向量或 NULL），则结果 r 是 x 和 y 的笛卡尔积”

查看此网址了解详情：http://stat.ethz.ch/R-manual/R-patched/library/base/html/merge.html

【讨论】：

【解决方案3】：

使用库tidyr 可以使用tidyr::crossing（顺序与OP 相同）：

library(tidyr)
crossing(A,B,C)
# A tibble: 12 x 3
#        A B         C
#    <dbl> <fct> <dbl>
#  1     1 x       0.1
#  2     1 x       0.5
#  3     1 y       0.1
#  4     1 y       0.5
#  5     2 x       0.1
#  6     2 x       0.5
#  7     2 y       0.1
#  8     2 y       0.5
#  9     3 x       0.1
# 10     3 x       0.5
# 11     3 y       0.1
# 12     3 y       0.5

下一步是使用tidyverse，尤其是purrr::pmap* 系列：

library(tidyverse)
crossing(A,B,C) %>% mutate(D = pmap_chr(.,paste,sep="_"))
# A tibble: 12 x 4
#        A B         C D      
#    <dbl> <fct> <dbl> <chr>  
#  1     1 x       0.1 1_1_0.1
#  2     1 x       0.5 1_1_0.5
#  3     1 y       0.1 1_2_0.1
#  4     1 y       0.5 1_2_0.5
#  5     2 x       0.1 2_1_0.1
#  6     2 x       0.5 2_1_0.5
#  7     2 y       0.1 2_2_0.1
#  8     2 y       0.5 2_2_0.5
#  9     3 x       0.1 3_1_0.1
# 10     3 x       0.5 3_1_0.5
# 11     3 y       0.1 3_2_0.1
# 12     3 y       0.5 3_2_0.5

【讨论】：

【解决方案4】：

考虑使用出色的 data.table 库来提高表现力和速度。它使用相当简单的统一语法处理许多 plyr 用例（关系分组依据），以及变换、子集和关系连接。

library(data.table)
d <- CJ(x=A, y=B, z=C)  # Cross join
d[, w:=f(x,y,z)]  # Mutates the data.table

或一行

d <- CJ(x=A, y=B, z=C)[, w:=f(x,y,z)]

【讨论】：

【解决方案5】：

使用 Ramnath 对expand.grid 的建议，这是一种兼顾两者的方法：

f <- function(x,y,z) paste(x,y,z,sep="+")
d <- expand.grid(x=A, y=B, z=C)
d$D <- do.call(f, d)

请注意，do.call 按“原样”在d 上工作，因为data.frame 是list。但是do.call 期望d 的列名与f 的参数名相匹配。

【讨论】：

@Zack：谢谢；我已经更新了我的回复。这不是单行的，但使用 do.call 评估 f 仍然比输入每个参数更容易。

【解决方案6】：

在sqldf中使用交叉连接：

library(sqldf)

A <- data.frame(c1 = c(1,2,3))
B <- data.frame(c2 = factor(c('x','y')))
C <- data.frame(c3 = c(0.1,0.5))

result <- sqldf('SELECT * FROM (A CROSS JOIN B) CROSS JOIN C')

【讨论】：

【解决方案7】：

我永远记不起那个标准函数expand.grid。所以这是另一个版本。

crossproduct <- function(...,FUN='data.frame') {
  args <- list(...)
  n1 <- names(args)
  n2 <- sapply(match.call()[1+1:length(args)], as.character)
  nn <- if (is.null(n1)) n2 else ifelse(n1!='',n1,n2)
  dims <- sapply(args,length)
  dimtot <- prod(dims)
  reps <- rev(cumprod(c(1,rev(dims))))[-1]
  cols <- lapply(1:length(dims), function(j)
                 args[[j]][1+((1:dimtot-1) %/% reps[j]) %% dims[j]])
  names(cols) <- nn
  do.call(match.fun(FUN),cols)
}

A <- c(1,2,3)
B <- factor(c('x','y'))
C <- c(.1,.5)

crossproduct(A,B,C)

crossproduct(A,B,C, FUN=function(...) paste(...,sep='_'))

【讨论】：