重复data.frame的行

我想重复data.frame的行，每个

N

次。结果应该是一个新的

data.frame

（其中

nrow（new.df）==nrow（old.df）*N

）保留列的数据类型

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，字符保留字符，因子保留因子，数字保留数字

我的第一次尝试使用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"

df尝试使用例如

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

作为索引
如果您可以重复整个内容，或者先将其子集，然后再重复，那么可能会有所帮助。再次：

library(mefa)
rep(mtcars,10) 

或者干脆

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

rep.row函数有时似乎会为列创建列表，这会导致内存错误。我写了以下内容，似乎效果不错：

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

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

您可以将每行重复N次：

rep(df, each=N)

或者将整个数据帧重复N次（想想：就像回收向量化参数一样）

向mefa竖起两个大拇指！直到现在我才听说过它，为此我必须编写手动代码。
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)]

尽管其他解决方案可能较短，但在某些情况下，此方法可能更为有利。
作为参考并添加到引用mefa的答案中，如果您不想包含整个程序包，则可能需要查看
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

>数据
a b
1 a d
2 b e
3立方英尺
>as.data.frame（lappy（数据，rep，2））
a b
1 a d
2 b e
3立方英尺
公元4年
5 b e
6立方英尺
我的解决方案类似于
mefa:：：rep.data.frame
，但速度稍快，并且关心行名称：

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
}

清洁的
dplyr
溶液，取自

库（dplyr）
df%切片（代表（1:n（），每个=2））
有一个可爱的矢量化解决方案，它只会将某些行重复n次，例如，可以在数据框中添加一个
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))

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，该方法似乎要慢一些：

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
)

你可以使用
n次啊哈！另一个出色的R函数隐藏在一个obcure专家包的深处，它的名字完全不相关。我喜欢这种语言！这是imo的首选解决方案，因为它可以在管道中干净地工作。
  A B   C ntimes
1 j i 100      2
2 K P 101      4
3 Z Z 102      1

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))

  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

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

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
)

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