重复data.frame的行

Question

我想重复data.frame的行，每次N次。结果应该是一个新的data.frame（与nrow(new.df) == nrow(old.df) * N）保持列的数据类型。

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，因素仍然是因素，数字仍然是数字，...

我的第一次尝试使用了：apply(old.df, 2, function(co) rep(co, each = N))，但是这个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"

Answer 1

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

Answer 2

另一种方法是先获取行索引，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，但该方法在某些情况下可能更有利。

Answer 3

一个干净的dplyr解决方案，取自here

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

Answer 4

如果您可以重复整个事情，或先将其子集然后重复，那么this similar question可能会有所帮助。再来一次：

library(mefa)
rep(mtcars,10) 

或者干脆

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

Answer 5

rep.row函数似乎有时会为列创建列表，这会导致错误的内存hijink。我写了以下似乎运作良好的：

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

Answer 6

除了@dardisco提到的关于mefa::rep.data.frame()的内容之外，它还非常灵活。

你可以重复每一行N次：

rep(df, each=N)

或者重复整个数据帧N次（想想：就像你回收矢量化参数一样）

rep(df, times=N)

两个竖起大拇指为mefa！我从来没有听说过它，我不得不写手动代码来做到这一点。

Answer 7

有关引用并添加到引用mefa的答案，如果您不想包含整个包，可能需要查看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

Answer 8

有一个可爱的矢量化解决方案，每个只重复某些行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，该方法显得相当慢：

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

Answer 9

我的解决方案与mefa:::rep.data.frame类似，但速度更快，关心行名称：

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

Answer 10

尝试使用例如

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

作为一个指标