将数据框减少到更少的行答案

【问题标题】：Reduce a data frame to fewer rows将数据框减少到更少的行
【发布时间】：2015-03-27 00:02:31
【问题描述】：

假设我有一个数据框“dat”，例如：

 col1     col2
  12       a
  43       a
  54       a
  11       a
  33       b
  43       b
  34       c
  34       c
  342      c
  343      c

现在我有一个向量

vec <- c(a,a,a,b,c,c)

我想要做的是根据向量“vec”删除数据框“dat”中的额外行，这意味着在数据框中只保留与“a”对应的前 3 行，保留仅前 1 行对应于“b”，仅保留 前 2 行对应于 c。

我应该得到输出为

 col1     col2
  12       a
  43       a
  54       a
  33       b
  34       c
  34       c

不用for循环最快的方法是什么？

【问题讨论】：

如果您在每个字母类别中创建一个 seq_along 值，'merge' 将起作用。

标签： r dataframe reshape2

【解决方案1】：

这是一种使用split和Map的方式：

数据

dat <- read.table(header=T, text=' col1     col2
  12       a
  43       a
  54       a
  11       a
  33       b
  43       b
  34       c
  34       c
  342      c
  343      c',stringsAsFactors=F)

vec <-  c('a','a','a','b','c','c')

解决方案

#count frequencies
tabvec <- table(vec)

data.frame(do.call(rbind,
   #use split to split data.frame according to col2
   #use head to only choose the first n rows according to tabvec
   #convert output into a data.frame
   Map(function(x,y) head(x,y),  split(dat, as.factor(dat$col2)), tabvec)
))

输出：

    col1 col2
a.1   12    a
a.2   43    a
a.3   54    a
b     33    b
c.7   34    c
c.8   34    c

【讨论】：

【解决方案2】：

使用dplyr 你可以这样做：

#create a data frame with frequencies
tv <- data.frame(table(vec))

#filter values       
group_by(dat, col2) %>%
filter(row_number() <= tv$Freq[tv$vec %in% col2])

这给出了：

#Source: local data frame [6 x 2]
#Groups: col2
#
#  col1 col2
#1   12    a
#2   43    a
#3   54    a
#4   33    b
#5   34    c
#6   34    c

【讨论】：

【解决方案3】：

这也可以在创建序列列之后完成

library(data.table)
setkey(setDT(dat)[, N:= 1:.N, col2], col2, N)
dat[setDT(list(col2=vec))[, N:=1:.N, col2]][, N:= NULL][]
#   col1 col2
#1:   12    a
#2:   43    a
#3:   54    a
#4:   33    b
#5:   34    c
#6:   34    c

【讨论】：

不错。我试图找出一个 DT 答案一段时间

【解决方案4】：

这是另一个Map() 方法。

fvec <- factor(vec)
## find the index for the first occurrence of a new level
m <- match(levels(fvec), df$col2)

df[unlist(Map(seq, from = m, length.out = tabulate(fvec))), ]
#   col1 col2
# 1   12    a
# 2   43    a
# 3   54    a
# 5   33    b
# 7   34    c
# 8   34    c

或者你可以在匹配后使用rle()

rl <- rle(match(vec, df$col2))
df[unlist(Map(seq, rl$values, length.out = rl$lengths)),]
#   col1 col2
# 1   12    a
# 2   43    a
# 3   54    a
# 5   33    b
# 7   34    c
# 8   34    c

【讨论】：