Ulangi setiap baris data. Membingkai ulang berapa kali ditentukan dalam kolom

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'),
                 freq = 1:3)

Apa cara paling sederhana untuk memperluas setiap baris dua kolom pertama dari data.frame di atas, sehingga setiap baris diulang berapa kali ditentukan dalam kolom 'freq'?

Dengan kata lain, pergi dari ini:

df
  var1 var2 freq
1    a    d    1
2    b    e    2
3    c    f    3

Untuk ini:

df.expanded
  var1 var2
1    a    d
2    b    e
3    b    e
4    c    f
5    c    f
6    c    f

Inilah salah satu solusinya:

df.expanded <- df[rep(row.names(df), df$freq), 1:2]

Hasil:

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

pertanyaan lama, kata kerja baru dalam tidyverse:

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

Gunakan expandRows()dari splitstackshapepaket:

library(splitstackshape)
expandRows(df, "freq")

Sintaks sederhana, sangat cepat, bekerja pada data.frameatau data.table.

Hasil:

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

@ neilfws's solusi bekerja sangat baik untuk data.frames, tetapi tidak untuk data.tables karena mereka tidak memiliki row.namesproperti. Pendekatan ini bekerja untuk keduanya:

df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]

Kode untuk data.tabletad cleaner:

# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]

Jika Anda harus melakukan operasi ini pada data.frame yang sangat besar, saya akan merekomendasikan untuk mengubahnya menjadi data.table dan gunakan yang berikut, yang seharusnya berjalan lebih cepat:

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

Lihat seberapa cepat solusi ini:

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

dplyrAlternatif lain dengan slicetempat kami mengulangi setiap freqkali nomor baris

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()) bagian dapat diganti dengan yang berikut ini.

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)

Kemungkinan lain menggunakan 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

Versi satu-baris dari jawaban vonjd :

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

^{Dibuat pada 2019-05-21 oleh paket reprex (v0.2.1)}

Saya tahu ini bukan masalahnya tetapi jika Anda perlu mempertahankan kolom freq asli, Anda dapat menggunakan tidyversependekatan lain bersama dengan 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

^{Dibuat pada 2019-12-21 oleh paket reprex (v0.3.0)}