R基于多个列值将数据帧子集化为多个数据帧

时间:2013-03-13 04:42:41

标签: r dataframe subset multiple-columns

我正在尝试对数据帧进行子集化,其中我根据多个列值获取多个数据帧。这是我的例子

>df
  v1   v2   v3   v4   v5
   A    Z    1    10   12
   D    Y    10   12    8
   E    X    2    12   15
   A    Z    1    10   12
   E    X    2    14   16

预期输出是这样的,我将基于列v1v2

将此数据帧拆分为多个数据帧
>df1
 v3   v4   v5
  1   10   12
  1   10   12
>df2
 v3   v4   v5
 10   12    8
>df3
 v3   v4   v5
 2    12   15
 2    14   16

我已经编写了一个现在正在运行的代码但不认为这是最好的方法。必须有更好的方法来做到这一点。假设tab是具有初始数据的data.frame。这是我的代码:

v1Factors<-levels(factor(tab$v1))
v2Factors<-levels(factor(tab$v2))

for(i in 1:length(v1Factors)){
  for(j in 1:length(v2Factors)){
    subsetTab<-subset(tab, v1==v1Factors[i] & v2==v2Factors[j], select=c("v3", "v4", "v5"))
    print(subsetTab)
  }
}

有人可以提出更好的方法来完成上述工作吗?

2 个答案:

答案 0 :(得分:29)

您正在寻找split

split(df, with(df, interaction(v1,v2)), drop = TRUE)
$E.X
  v1 v2 v3 v4 v5
3  E  X  2 12 15
5  E  X  2 14 16

$D.Y
  v1 v2 v3 v4 v5
2  D  Y 10 12  8

$A.Z
  v1 v2 v3 v4 v5
1  A  Z  1 10 12

如评论中所述

以下任何一项都可以使用

library(microbenchmark)
microbenchmark(
                split(df, list(df$v1,df$v2), drop = TRUE), 
               split(df, interaction(df$v1,df$v2), drop = TRUE),
               split(df, with(df, interaction(v1,v2)), drop = TRUE))


Unit: microseconds
                                                  expr      min        lq    median       uq      max neval
            split(df, list(df$v1, df$v2), drop = TRUE) 1119.845 1129.3750 1145.8815 1182.119 3910.249   100
     split(df, interaction(df$v1, df$v2), drop = TRUE)  893.749  900.5720  909.8035  936.414 3617.038   100
 split(df, with(df, interaction(v1, v2)), drop = TRUE)  895.150  902.5705  909.8505  927.128 1399.284   100

看起来interaction稍快一些(可能是因为f = list(...)刚刚转换为函数内的交互)


修改

如果您只想使用子集data.frames,那么我建议使用data.table以便于编码

library(data.table)

dt <- data.table(df)
dt[, plot(v4, v5), by = list(v1, v2)]

答案 1 :(得分:5)

nest()现在还有tidyr,相当不错。

library(tidyr)
nestdf <- df %>% nest(v3:v5)
nestdf$data

> nestdf$data
[[1]]
# A tibble: 2 × 3
     v3    v4    v5
  <int> <int> <int>
1     1    10    12
2     1    10    12

[[2]]
# A tibble: 1 × 3
     v3    v4    v5
  <int> <int> <int>
1    10    12     8

[[3]]
# A tibble: 2 × 3
     v3    v4    v5
  <int> <int> <int>
1     2    12    15
2     2    14    16

使用nestdf$data[1]访问单个元素,依此类推。