重复data.frame的行[重复]答案

【问题标题】：Repeat rows of a data.frame [duplicate]重复data.frame的行[重复]
【发布时间】：2012-06-22 16:44:31
【问题描述】：

我想重复 data.frame 的行，每个 N 次。结果应该是一个新的data.frame（带有nrow(new.df) == nrow(old.df) * N），保留了列的数据类型。

N = 2 的示例：

                        A B   C
  A B   C             1 j i 100
1 j i 100     -->     2 j i 100
2 K P 101             3 K P 101
                      4 K P 101

因此，每行重复 2 次，字符仍然是字符，因子仍然是因子，数字仍然是数字，...

我第一次尝试使用 apply：apply(old.df, 2, function(co) rep(co, each = N))，但这一次将我的值转换为字符，我得到：

     A   B   C    
[1,] "j" "i" "100"
[2,] "j" "i" "100"
[3,] "K" "P" "101"
[4,] "K" "P" "101"

【问题讨论】：

标签： r dataframe rows repeat

【解决方案1】：

df <- data.frame(a = 1:2, b = letters[1:2]) 
df[rep(seq_len(nrow(df)), each = 2), ]

【讨论】：

如果你想改变每行重复的次数，你可以使用n.times <- c(2,4) ; df[rep(seq_len(nrow(df)), n.times),]。

【解决方案2】：

一个干净的dplyr 解决方案，取自here

library(dplyr)
df <- tibble(x = 1:2, y = c("a", "b"))
df %>% slice(rep(1:n(), each = 2))

【讨论】：

这是 imo 的首选解决方案，因为它可以在管道中干净地工作。

【解决方案3】：

有一个可爱的矢量化解决方案，每行仅重复某些行 n 次，例如可以通过在数据框中添加 ntimes 列：

  A B   C ntimes
1 j i 100      2
2 K P 101      4
3 Z Z 102      1

方法：

df <- data.frame(A=c("j","K","Z"), B=c("i","P","Z"), C=c(100,101,102), ntimes=c(2,4,1))
df <- as.data.frame(lapply(df, rep, df$ntimes))

结果：

  A B   C ntimes
1 Z Z 102      1
2 j i 100      2
3 j i 100      2
4 K P 101      4
5 K P 101      4
6 K P 101      4
7 K P 101      4

这与 Josh O'Brien 和 Mark Miller 的方法非常相似：

df[rep(seq_len(nrow(df)), df$ntimes),]

但是，这种方法看起来有点慢：

df <- data.frame(A=c("j","K","Z"), B=c("i","P","Z"), C=c(100,101,102), ntimes=c(2000,3000,4000))

microbenchmark::microbenchmark(
  df[rep(seq_len(nrow(df)), df$ntimes),],
  as.data.frame(lapply(df, rep, df$ntimes)),
  times = 10
)

结果：

Unit: microseconds
                                      expr      min       lq      mean   median       uq      max neval
   df[rep(seq_len(nrow(df)), df$ntimes), ] 3563.113 3586.873 3683.7790 3613.702 3657.063 4326.757    10
 as.data.frame(lapply(df, rep, df$ntimes))  625.552  654.638  676.4067  668.094  681.929  799.893    10

【讨论】：

我认为这是最通用的解决方案，因为它允许您为每行分配不同数量的复制！我很好奇，有没有办法在 tidyverse 中做到这一点？

【解决方案4】：

如果您可以重复整个事情，或者先将其子集然后重复，那么this similar question 可能会有所帮助。再次：

library(mefa)
rep(mtcars,10)

或者干脆

mefa:::rep.data.frame(mtcars)

【讨论】：

啊哈！另一个出色的 R 函数隐藏在一个名称完全不相关的不起眼的专家包中。我喜欢这种语言！

【解决方案5】：

除了@dardisco 提到的mefa::rep.data.frame() 之外，它非常灵活。

您可以将每一行重复 N 次：

rep(df, each=N)

或将整个数据帧重复 N 次（想一想：就像回收矢量化参数时一样）

rep(df, times=N)

为mefa 点赞！直到现在我才听说过它，我不得不编写手动代码来做到这一点。

【讨论】：

【解决方案6】：

作为参考和添加引用 mefa 的答案，如果您不想包含整个包，可能值得看看 mefa::rep.data.frame() 的实现：

> data <- data.frame(a=letters[1:3], b=letters[4:6])
> data
  a b
1 a d
2 b e
3 c f
> as.data.frame(lapply(data, rep, 2))
  a b
1 a d
2 b e
3 c f
4 a d
5 b e
6 c f

【讨论】：

【解决方案7】：

rep.row 函数似乎有时会为列创建列表，这会导致内存崩溃。我写了以下似乎效果很好：

library(plyr)
rep.row <- function(r, n){
  colwise(function(x) rep(x, n))(r)
}

【讨论】：

【解决方案8】：

我的解决方案类似于mefa:::rep.data.frame，但速度更快，并且关心行名：

rep.data.frame <- function(x, times) {
    rnames <- attr(x, "row.names")
    x <- lapply(x, rep.int, times = times)
    class(x) <- "data.frame"
    if (!is.numeric(rnames))
        attr(x, "row.names") <- make.unique(rep.int(rnames, times))
    else
        attr(x, "row.names") <- .set_row_names(length(rnames) * times)
    x
}

比较解决方案：

library(Lahman)
library(microbenchmark)
microbenchmark(
    mefa:::rep.data.frame(Batting, 10),
    rep.data.frame(Batting, 10),
    Batting[rep.int(seq_len(nrow(Batting)), 10), ],
    times = 10
)
#> Unit: milliseconds
#>                                            expr       min       lq     mean   median        uq       max neval cld
#>              mefa:::rep.data.frame(Batting, 10) 127.77786 135.3480 198.0240 148.1749  278.1066  356.3210    10  a 
#>                     rep.data.frame(Batting, 10)  79.70335  82.8165 134.0974  87.2587  191.1713  307.4567    10  a 
#>  Batting[rep.int(seq_len(nrow(Batting)), 10), ] 895.73750 922.7059 981.8891 956.3463 1018.2411 1127.3927    10   b

【讨论】：

【解决方案9】：

尝试使用例如

N=2
rep(1:4, each = N)

作为索引

【讨论】：

【解决方案10】：

另一种方法是首先获取行索引，附加 df 的额外副本，然后按索引排序：

df$index = 1:nrow(df)
df = rbind(df,df)
df = df[order(df$index),][,-ncol(df)]

虽然其他解决方案可能更短，但这种方法在某些情况下可能更有利。

【讨论】：