我想要按行组合几个数据框。在生成的单个数据框中，我想创建一个新变量，用于标识观察结果来自哪个数据集。
# original data frames
df1 <- data.frame(x = c(1, 3), y = c(2, 4))
df2 <- data.frame(x = c(5, 7), y = c(6, 8))
# desired, combined data frame
df3 <- data.frame(x = c(1, 3, 5, 7), y = c(2, 4, 6, 8),
source = c("df1", "df1", "df2", "df2")
# x y source
# 1 2 df1
# 3 4 df1
# 5 6 df2
# 7 8 df2
我怎样才能做到这一点？ 提前谢谢！
答案 0 :(得分：24)
这不是你要求的，但它非常接近。将对象放在命名列表中并使用do.call(rbind...)
> do.call(rbind, list(df1 = df1, df2 = df2))
x y
df1.1 1 2
df1.2 3 4
df2.1 5 6
df2.2 7 8
请注意，行名称现在反映了源data.frame。
cbind和rbind 另一种选择是制作如下基本功能：
AppendMe <- function(dfNames) {
do.call(rbind, lapply(dfNames, function(x) {
cbind(get(x), source = x)
}))
}
然后，此函数将获取您要“堆叠”的data.frame名称的字符向量，如下所示：
> AppendMe(c("df1", "df2"))
x y source
1 1 2 df1
2 3 4 df1
3 5 6 df2
4 7 8 df2
combine > library(gdata)
> combine(df1, df2)
x y source
1 1 2 df1
2 3 4 df1
3 5 6 df2
4 7 8 df2
rbindlist
现在可以使用的另一种方法是使用“data.table”中的rbindlist及其idcol参数。有了这个，方法可能是：
> rbindlist(mget(ls(pattern = "df\\d+")), idcol = TRUE)
.id x y
1: df1 1 2
2: df1 3 4
3: df2 5 6
4: df2 7 8
map_df
与rbindlist类似，您也可以使用“purrr”中的map_df，I或c作为应用于每个列表元素的函数。
> mget(ls(pattern = "df\\d+")) %>% map_df(I, .id = "src")
Source: local data frame [4 x 3]
src x y
(chr) (int) (int)
1 df1 1 2
2 df1 3 4
3 df2 5 6
4 df2 7 8
答案 1 :(得分：12)
使用dplyr的另一种方法：
df1 <- data.frame(x = c(1,3), y = c(2,4))
df2 <- data.frame(x = c(5,7), y = c(6,8))
df3 <- dplyr::bind_rows(list(df1=df1, df2=df2), .id = 'source')
df3
Source: local data frame [4 x 3]
source x y
(chr) (dbl) (dbl)
1 df1 1 2
2 df1 3 4
3 df2 5 6
4 df2 7 8
答案 2 :(得分：7)
我不确定这样的功能是否已经存在，但这似乎可以解决问题：
bindAndSource <- function(df1, df2) {
df1$source <- as.character(match.call())[[2]]
df2$source <- as.character(match.call())[[3]]
rbind(df1, df2)
}
bindAndSource(df1, df2)
1 1 2 df1
2 3 4 df1
3 5 6 df2
4 7 8 df2
<小时/>
警告：这不适用于*aply - 类似于电话
答案 3 :(得分：6)
另外两个答案的混合：
df1 <- data.frame(x = 1:3,y = 1:3)
df2 <- data.frame(x = 4:6,y = 4:6)
> foo <- function(...){
args <- list(...)
result <- do.call(rbind,args)
result$source <- rep(as.character(match.call()[-1]),times = sapply(args,nrow))
result
}
> foo(df1,df2,df1)
x y source
1 1 1 df1
2 2 2 df1
3 3 3 df1
4 4 4 df2
5 5 5 df2
6 6 6 df2
7 1 1 df1
8 2 2 df1
9 3 3 df1
如果您想避开match.call业务，您可以随时限制自己命名函数参数（即df1 = df1, df2 = df2）并使用names(args)来访问名称。
答案 4 :(得分：2)
这个的另一个解决方法是在plyr包中使用ldply ...
df1 <- data.frame(x = c(1,3), y = c(2,4))
df2 <- data.frame(x = c(5,7), y = c(6,8))
list = list(df1 = df1, df2 = df2)
df3 <- ldply(list)
df3
.id x y
df1 1 2
df1 3 4
df2 5 6
df2 7 8
答案 5 :(得分：0)
尽管这里已经有了一些很好的答案，但我只想添加一直使用的答案。它是基础R，因此如果您想在包中使用它，它可能会受到限制，并且它比其他一些基本R解决方案快一点。
dfs <- list(df1 = data.frame("x"=c(1,2), "y"=2),
df2 = data.frame("x"=c(2,4), "y"=4),
df3 = data.frame("x"=2, "y"=c(4,5,7)))
> microbenchmark(cbind(do.call(rbind,dfs),
rep(names(dfs), vapply(dfs, nrow, numeric(1)))), times = 1001)
Unit: microseconds
min lq mean median uq max neval
393.541 409.083 454.9913 433.422 453.657 6157.649 1001
第一部分do.call(rbind, dfs)将数据帧行绑定到单个数据帧中。 vapply(dfs, nrow, numeric(1))查找每个数据帧有多少行传递给rep中的rep(names(dfs), vapply(dfs, nrow, numeric(1)))，以便为数据帧的每一行重复一次数据帧的名称。 cbind将他们放在一起。
这类似于之前发布的解决方案，但速度提高了约2倍。
> microbenchmark(do.call(rbind,
lapply(names(dfs), function(x) cbind(dfs[[x]], source = x))),
times = 1001)
Unit: microseconds
min lq mean median uq max neval
844.558 870.071 1034.182 896.464 1210.533 8867.858 1001
我不是百分百肯定，但我相信加速是因为只调用cbind而不是每个数据帧一次。