Lặp lại mỗi hàng dữ liệu. Tạo số lần được chỉ định trong một cột

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

Cách đơn giản nhất để mở rộng mỗi hàng hai cột đầu tiên của data.frame ở trên, sao cho mỗi hàng được lặp lại số lần được chỉ định trong cột 'freq'?

Nói cách khác, đi từ đây:

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

Về điều này:

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

Đây là một giải pháp:

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

Kết quả:

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

câu hỏi cũ, động từ mới trong 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

Sử dụng expandRows()từ splitstackshapegói:

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

Cú pháp đơn giản, rất nhanh, hoạt động trên data.framehoặc data.table.

Kết quả:

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

Giải pháp của @ neilfws hoạt động tuyệt vời cho data.frames, nhưng không phải cho data.tables vì họ thiếu row.namestài sản. Cách tiếp cận này hiệu quả cho cả hai:

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

Mã cho data.tablelà một trình dọn dẹp tad:

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

Trong trường hợp bạn phải thực hiện thao tác này trên data.frames rất lớn, tôi khuyên bạn nên chuyển đổi nó thành data.table và sử dụng các thao tác sau, để chạy nhanh hơn nhiều:

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

Xem giải pháp này nhanh hơn bao nhiêu:

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

Một dplyrcách khác với slicenơi chúng tôi lặp lại mỗi freqlần số hàng

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()) một phần có thể được thay thế bằng bất kỳ điều sau đây.

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)

Một khả năng khác là sử dụng 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

Phiên bản một lót của câu trả lời của 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

^{Được tạo vào ngày 2019-05-21 bởi gói reprex (v0.2.1)}

Tôi biết đây không phải là trường hợp nhưng nếu bạn cần giữ cột freq ban đầu, bạn có thể sử dụng một tidyversecách tiếp cận khác cùng với 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

^{Được tạo vào ngày 2019-12-21 bởi gói reprex (v0.3.0)}