向量值与 R 中相同位置索引的组合

Question

假设我们有以下简化的向量（实际上，它们包含更多的值）：

n <- c(1,2)
x <- c(4,5,6) 
y <- c(7,8,9)

#to get all possible combinations, we can use expand.grid 
df <- expand.grid(n=n,
                  x=x,
                  y=y
)

> df
   n x y
   1 4 7
   2 4 7
   1 5 7
   2 5 7
   1 6 7
   2 6 7
   1 4 8
   2 4 8
   1 5 8
   2 5 8
   1 6 8
   2 6 8
   1 4 9
   2 4 9
   1 5 9
   2 5 9
   1 6 9
   2 6 9

但是，我希望向量 x, y 具有仅考虑具有相同索引值的元素的组合，即 (x1, y1), (x2 , y2), (x3, y3) 但不是 (x1,y2), (x1,y3) 等。 而向量 n 仍然照常使用（它的所有元素都与 x 和 y 组合的结果“配对”）。

换句话说，我想得到以下df：

   n x y
   1 4 7
   2 4 7
   1 5 8
   2 5 8
   1 6 9
   2 6 9

如果 n 向量有 3 个元素，即 n

   n x y
   1 4 7
   2 4 7
   3 4 7
   1 5 8
   2 5 8
   3 5 8
   1 6 9
   2 6 9
   3 6 9

Answer 1

您可以组合需要在一起的对列表，然后在expand.grid中使用它

expand.grid(n, Map(c, x, y)) %>% tidyr::unnest_wider(Var2)

或者我们也可以使用相同的逻辑使用crossing。

library(tidyverse)

crossing(n, x = map2(x, y, c)) %>%
  unnest_wider(x) %>%
  rename_at(-1, ~c("x", "y"))

#      n     x     y
#  <dbl> <dbl> <dbl>
#1     1     4     7
#2     1     5     8
#3     1     6     9
#4     2     4     7
#5     2     5     8
#6     2     6     9

Answer 2

我们可以创建一个函数来做到这一点

f1 <- function(vec1, vec2, n) {
       d1 <- data.frame(x = vec1, y = vec2)
       d2 <- transform(d1[rep(seq_len(nrow(d1)), each = length(n)), ], n = n)
        row.names(d2) <- NULL
        d2[c('n', 'x', 'y')]
  }



f1(x, y, n = 1:2)
#  n x y
#1 1 4 7
#2 2 4 7
#3 1 5 8
#4 2 5 8
#5 1 6 9
#6 2 6 9

f1(x, y, n = 1:3)
#  n x y
#1 1 4 7
#2 2 4 7
#3 3 4 7
#4 1 5 8
#5 2 5 8
#6 3 5 8
#7 1 6 9
#8 2 6 9
#9 3 6 9

---

或者在tidyverse中

library(dplyr)
library(tidyr)
tibble(x, y) %>% 
     uncount(length(n)) %>% 
     mutate(n = rep(n, length.out = n())) %>%
     select(n, x, y)
# A tibble: 9 x 3
#      n     x     y
#  <int> <dbl> <dbl>
#1     1     4     7
#2     2     4     7
#3     3     4     7
#4     1     5     8
#5     2     5     8
#6     3     5     8
#7     1     6     9
#8     2     6     9
#9     3     6     9

或者先创建一个tibble，然后将其与crossing一起使用

tibble(x, y) %>%
       crossing(n)

数据

n <- 1:3

Answer 3

这是一个 tidyverse 解决方案，使用 purrr::map_df：

library(tidyverse)

map_df(n, ~tibble(n=.x, x, y))

      n     x     y
  <dbl> <dbl> <dbl>
1     1     4     7
2     1     5     8
3     1     6     9
4     2     4     7
5     2     5     8
6     2     6     9

如果您需要完全按照示例输出排序的值，请将%>% arrange(x, y) 添加到map 的输出中。

Answer 4

一种选择是将 x 和 y 粘贴在一起，然后使用扩展网格并使用 tidyr 包中的单独函数分隔列。

library(dplyr) #for pipe
library(tidyr) #for separate

n <- c(1,2)
x <- c(4,5,6) 
y <- c(7,8,9)
z <- paste(x, y, sep = "-")

expand.grid(n = n, xy = z) %>% 
  separate(xy, sep = "-", into = c("x", "y")) %>%
  mutate(x = as.numeric(x), y = as.numeric(y)) %>% 
  as.tibble()