基于dataframe中的列重塑数据
我需要采用以下格式的data.frame:基于dataframe中的列重塑数据,r,reshape,plyr,R,Reshape,Plyr,我需要采用以下格式的data.frame: id1 id2 mean start end 1 A D 4 12 15 2 B E 5 14 15 3 C F 6 8 10 并根据开始-结束中的差异生成重复行。例如,第一行需要3行,第二行需要1行,第三行需要2行。在最终data.frame中,开始和结束字段应按顺序排列。此data.frame的最终结果应为: id1 id2 mean start end 1 A
id1 id2 mean start end
1 A D 4 12 15
2 B E 5 14 15
3 C F 6 8 10
并根据开始-结束
中的差异生成重复行。例如,第一行需要3行,第二行需要1行,第三行需要2行。在最终data.frame中,开始和结束字段应按顺序排列。此data.frame的最终结果应为:
id1 id2 mean start end
1 A D 4 12 13
2 A D 4 13 14
3 A D 4 14 15
21 B E 5 14 15
31 C F 6 8 9
32 C F 6 9 10
我已经编写了这个函数,它可以工作,但不是用非常R’风格的代码编写的:
dupData <- function(df){
diff <- abs(df$start - df$end)
ret <- {}
#Expand our dataframe into the appropriate number of rows.
for (i in 1:nrow(df)){
for (j in 1:diff[i]){
ret <- rbind(ret, df[i,])
}
}
#If matching ID1 and ID2, generate a sequential ordering of start & end dates
for (k in 2:nrow(ret) - 1) {
if ( ret[k,1] == ret[k + 1, 1] & ret[k, 2] == ret[k, 2] ){
ret[k, 5] <- ret[k, 4] + 1
ret[k + 1, 4] <- ret[k, 5]
}
}
return(ret)
}
survival
软件包的survSplit
函数可以按照这些思路进行操作,不过它有更多的选项(例如指定切割时间)。您可以使用它,或者查看它的代码,看看是否可以更好地实现简化版本。可能有一种更通用的方法来实现这一点,但下面使用的是rbind.fill
cbind(df[rep(1:nrow(df), times = apply(df[,4:5], 1, diff)), 1:3],
rbind.fill(apply(df[,4:5], 1, function(x)
data.frame(start = x[1]:(x[2]-1), end = (x[1]+1):x[2]))))
## id1 id2 mean start end
## 1 A D 4 12 13
## 1.1 A D 4 13 14
## 1.2 A D 4 14 15
## 2 B E 5 14 15
## 3 C F 6 8 9
## 3.1 C F 6 9 10
毫无疑问,这不是一个迟到总比不迟到好的时代,但我也有一个类似的问题,我想到了这个
library(plyr)
ddply(df, c("id1", "id2", "mean", "start", "end"), summarise,
sq=seq(1:(end-start)))
许多年后,有两种替代方案使用当今流行的数据提供替代方案。表
和tidyverse
软件包:
备选案文1:
library(data.table)
setDT(mydf)[, list(mean, start = start:(end-1)), .(id1, id2)][, end := start + 1][]
id1 id2 mean start end
1: A D 4 12 13
2: A D 4 13 14
3: A D 4 14 15
4: B E 5 14 15
5: C F 6 8 9
6: C F 6 9 10
备选案文2:
library(tidyverse)
mydf %>%
group_by(id1, id2, mean) %>%
summarise(start = list(start:(end-1))) %>%
unnest(start) %>%
mutate(end = start+1)
那是一件相当奇特的工作,我很感激。使用100k行数据帧以适当的格式输出数据大约需要1.5分钟。谢谢
library(tidyverse)
mydf %>%
group_by(id1, id2, mean) %>%
summarise(start = list(start:(end-1))) %>%
unnest(start) %>%
mutate(end = start+1)