如何在R中对数据帧进行分组

我有这样一个大数据框：

df:

我想很快地把它分成几个小组：

df_1：

df_2：

我知道有一种方法是这样的：

df_1 <- df[df == 1]
df_2 <- df[df == 2]

但它并不快。 我该怎么办

感谢提供dplyr和tidyr选项：

欢迎来到SO

我建议看一下dplyr和data.table包，它们专注于快速和内存高效的实现。特别是我要建议的惊人的答案，这将有助于更好地理解这两个包的功能

随着组和重复子集数量的增加，data.table确实会优于dplyr，因为它使用索引和键控子集，但对于大多数情况，它归结为一种偏好。专注于子集，我将提供一个可复制的示例和一些速度比较

可复制示例 dplyr方法 另一种选择是dplyr包。dplyr是语法糖，提供了管道选项，与其他一些包（例如包）没有什么不同，但本文中显示的不同基准表明，该包可以用于提高各个方面的性能。然而，我不是这个软件包的专家，因为我倾向于使用data.table软件包。该软件包提供%>%管道功能和一些实用功能，如可用于子集数据的过滤器

library(dplyr)
df %>% filter(group == "C")
# subsetting two columns
df %>% filter(group == "C", random_binaries == TRUE) #Equivalent to group == "C" & random_binaries == TRUE

数据表方法： 最后一个流行的软件包是软件包。这个包是为性能和内存效率而设计的，就像dplyr一样。语法设计类似于SQL语句，select、from、where、group by，但开始使用语法可能会有点混乱。该包提供了一个新的data.table类，以供使用，而不是data.frame类，后者的子集设置速度非常慢

但是，几乎可以完全忽略包的语法，因为data.table在大多数情况下使用data.frame语法，并且在任何情况下都可以用作data.frame

library(data.table)
#Convert the data.frame to data.table
setDT(df) 

data.table有两种标准方法：使用索引和使用键。如果使用与data.frame方法类似的方法，则使用索引：

语法可能会让人困惑，但你可以看看它们的有用之处，或者今天的8968，它们为大多数问题提供了答案

性能比较 我已经检查了下面显示的子集方法的性能。可视化显示了使用所示方法为group==C和group==H&random_二进制文件==TRUE的子集显示的各种方法。x轴以毫秒为单位指示运行时间，y轴显示方法。 斑点的宽度表示范围，而斑点的大小表示范围内的时间密度

从可视化中可以看出，对于一个包含2列的数据集，在1列和2列上都进行子集设置，使用键的data.table方法标记为data.table_u键的速度要快得多，而使用索引的速度略优于其他方法。使用子集的速度比标准方法慢，令人惊讶的是，在本例中，dplyr比base-R慢，但这可能是因为我对该软件包缺乏经验

这里有一种使用BaseR中的Lappy的方法，它可以为您提供所需数据帧的列表-

df <- data.frame(col_1 = 1, col_2 = 2, col_3 = 1)

lapply(unique(unlist(df)), function(x) {
  df[, df == x, drop = F]
})

# output

[[1]]
  col_1 col_3
1     1     1

[[2]]
  col_2
1     2

---

您的数据中只有一行吗？如果没有，你能再增加几行，并在此基础上显示预期的输出吗？我只有一行@RonakShahI认为t应该类似于df%>%gatherkey，val%>%group_splitval至少在我的机器上仍然没有达到OP的预期输出。@agila修复了我认为的itor。似乎OP更感兴趣的是按val分组，而不是按键分组，第二眼看到的是你们在那个里写的东西，我错过了。更正了，谢谢。

 df %>% 
  tidyr::gather(key,val) %>% 
  group_split(val)   #attributed to @agila for pointing out the unnenecessary call to group_by that I missed initially
[[1]]
# A tibble: 2 x 2
  key     val
  <chr> <int>
1 col_1     1
2 col_3     1

[[2]]
# A tibble: 1 x 2
  key     val
  <chr> <int>
1 col_2     2

attr(,"ptype")

set.seed(1)
df <- data.frame(group = sample(LETTERS, 1e7, TRUE), 
                 random_numbers = rnorm(1e7), 
                 random_binaries = rbinom(1e7, 1, 0.3))
# size = 152.6 MiB
format(object.size(df), units = "MiB")

df[df$group == "C",]
#Equivalent
df[which(df$group == "C"),]
#Equivalent
subset(df, group == "C")

library(dplyr)
df %>% filter(group == "C")
# subsetting two columns
df %>% filter(group == "C", random_binaries == TRUE) #Equivalent to group == "C" & random_binaries == TRUE

library(data.table)
#Convert the data.frame to data.table
setDT(df) 

df1 <- df[random_binaries == TRUE]
df2 <- df[group == "C"]

#Set the key using either setkey, or setkeyv (multiple columns)
setkeyv(df, c("group", "random_binaries"))
#Subset on group
df[.("C")]
#subset on random_binaries
df[CJ(group, TRUE, unique = TRUE)]
df[.(unique(group), TRUE)]
# Subset on multiple conditions
df[.(c("C", "H"), c(TRUE, TRUE))]

df <- data.frame(col_1 = 1, col_2 = 2, col_3 = 1)

lapply(unique(unlist(df)), function(x) {
  df[, df == x, drop = F]
})

# output

[[1]]
  col_1 col_3
1     1     1

[[2]]
  col_2
1     2