df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'),
freq = 1:3)
在上面data.frame的前两列中展开每一行的最简单方法是什么，以便每一行重复'freq'列中指定的次数？
换句话说，从这里开始：
df
var1 var2 freq
1 a d 1
2 b e 2
3 c f 3
到这里：
df.expanded
var1 var2
1 a d
2 b e
3 b e
4 c f
5 c f
6 c f
【问题讨论】：
这里有一个解决方案：
df.expanded <- df[rep(row.names(df), df$freq), 1:2]
结果：
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
【讨论】：
data.frame，更有效的是将row.names(df)替换为seq.int(1,nrow(df))或seq_len(nrow(df))。
tidyverse 中的老问题，新动词：
library(tidyr) # version >= 0.8.0
df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
df %>%
uncount(freq)
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
【讨论】：
使用splitstackshape 包中的expandRows()：
library(splitstackshape)
expandRows(df, "freq")
语法简单，速度非常快，适用于data.frame 或data.table。
结果：
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
【讨论】：
@neilfws 的解决方案适用于data.frames，但不适用于data.tables，因为它们缺少row.names 属性。这种方法适用于以下两种情况：
df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]
data.table 的代码更简洁：
# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]
【讨论】：
df[rep(seq(.N), freq)][, freq := NULL]
df[rep(1:.N, freq)][, freq:=NULL]
我知道情况并非如此，但如果您需要保留原始频率列，您可以使用另一个 tidyverse 方法和 rep：
library(purrr)
df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3)
df %>%
map_df(., rep, .$freq)
#> # A tibble: 6 x 3
#> var1 var2 freq
#> <fct> <fct> <int>
#> 1 a d 1
#> 2 b e 2
#> 3 b e 2
#> 4 c f 3
#> 5 c f 3
#> 6 c f 3
由reprex package (v0.3.0) 于 2019 年 12 月 21 日创建
【讨论】：
uncount()中使用.remove = FALSE
另一个dplyr替代slice，我们重复每个行号freq次
library(dplyr)
df %>%
slice(rep(seq_len(n()), freq)) %>%
select(-freq)
# var1 var2
#1 a d
#2 b e
#3 b e
#4 c f
#5 c f
#6 c f
seq_len(n()) 部分可以替换为以下任何内容。
df %>% slice(rep(1:nrow(df), freq)) %>% select(-freq)
#Or
df %>% slice(rep(row_number(), freq)) %>% select(-freq)
#Or
df %>% slice(rep(seq_len(nrow(.)), freq)) %>% select(-freq)
【讨论】：
如果您必须在非常大的 data.frames 上执行此操作，我建议将其转换为 data.table 并使用以下内容，它应该运行得更快：
library(data.table)
dt <- data.table(df)
dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")]
dt.expanded[ ,freq := NULL]
dt.expanded
看看这个解决方案有多快：
df <- data.frame(var1=1:2e3, var2=1:2e3, freq=1:2e3)
system.time(df.exp <- df[rep(row.names(df), df$freq), 1:2])
## user system elapsed
## 4.57 0.00 4.56
dt <- data.table(df)
system.time(dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")])
## user system elapsed
## 0.05 0.01 0.06
【讨论】：
Error in rep(1, freq) : invalid 'times' argument。鉴于这个问题已经有一个 data.table 答案，您可能想要描述您的方法有何不同，或者何时它比当前的 data.table 答案更好。或者，如果没有重大区别，您可以将其作为评论添加到现有答案中。
df？我的答案更好，因为另一个答案是通过使用data.frame 语法来滥用data.table 包，请参阅data.table 的常见问题解答：“按数字而不是名称来引用列通常是不好的做法。”
df，但是当我尝试在更大的 data.frame 上对此进行基准测试时，我得到了那个错误。我使用的 data.frame 是：set.seed(1) dfbig <- data.frame(var1=sample(letters, 1000, replace = TRUE), var2=sample(LETTERS, 1000, replace = TRUE), freq=sample(1:10, 1000, replace = TRUE)) 在微小的 data.frame 上，基本答案在我的基准测试中表现良好，只是不能很好地扩展到更大的 data.frame。其他三个答案使用这个更大的 data.frame 成功运行。
data.table 语法，所以我不应该是判断答案的人。
另一种可能是使用tidyr::expand：
library(dplyr)
library(tidyr)
df %>% group_by_at(vars(-freq)) %>% expand(temp = 1:freq) %>% select(-temp)
#> # A tibble: 6 x 2
#> # Groups: var1, var2 [3]
#> var1 var2
#> <fct> <fct>
#> 1 a d
#> 2 b e
#> 3 b e
#> 4 c f
#> 5 c f
#> 6 c f
vonjd's answer的单行版本：
library(data.table)
setDT(df)[ ,list(freq=rep(1,freq)),by=c("var1","var2")][ ,freq := NULL][]
#> var1 var2
#> 1: a d
#> 2: b e
#> 3: b e
#> 4: c f
#> 5: c f
#> 6: c f
由reprex package (v0.2.1) 于 2019 年 5 月 21 日创建
【讨论】：
事实上。使用向量和索引的方法。我们也可以达到同样的效果，而且更容易理解：
rawdata <- data.frame('time' = 1:3,
'x1' = 4:6,
'x2' = 7:9,
'x3' = 10:12)
rawdata[rep(1, time=2), ] %>% remove_rownames()
# time x1 x2 x3
# 1 1 4 7 10
# 2 1 4 7 10
【讨论】：