Question

我有一个带坐标的数据框（＆＃34;开始＆＃34;，＆＃34;结束＆＃34;）和标签（＆＃34; group＆＃34;）：

a <- data.frame(start=1:4, end=3:6, group=c("A","B","C","D"))
a
  start end group
1     1   3     A
2     2   4     B
3     3   5     C
4     4   6     D

我想创建一个新的数据框，其中标签被分配给坐标范围内序列的每个元素：

以下代码可以正常工作，但是范围很宽：

df<-data.frame()
for(i in 1:dim(a)[1]){
    s<-seq(a[i,1],a[i,2])
    df<-rbind(df,data.frame(s,rep(a[i,3],length(s))))
}
colnames(df)<-c("V1","V2")

如何加快速度？

Answer 1

您可以尝试 data.table

library(data.table)
setDT(a)[, start:end, by = group]

给出了

    group V1
 1:     A  1
 2:     A  2
 3:     A  3
 4:     B  2
 5:     B  3
 6:     B  4
 7:     C  3
 8:     C  4
 9:     C  5
10:     D  4
11:     D  5
12:     D  6

显然，只有当你每组有一行时才会这样做，这似乎你在这里。

Answer 2

如果您想在基础R中使用非常快速的解决方案，可以分两步手动创建data.frame：

使用mapply创建范围从“开始”到“结束”的list。
使用rep + lengths将“groups”列重复为预期的行数。

此处共享的基本R方法不依赖于每组只有一行。

尝试：

temp <- mapply(":", a[["start"]], a[["end"]], SIMPLIFY = FALSE)
data.frame(group = rep(a[["group"]], lengths(temp)),
           values = unlist(temp, use.names = FALSE))

如果你做了很多，只需把它放在一个函数中：

myFun <- function(indf) {
  temp <- mapply(":", indf[["start"]], indf[["end"]], SIMPLIFY = FALSE)
  data.frame(group = rep(indf[["group"]], lengths(temp)),
             values = unlist(temp, use.names = FALSE))
}

然后，如果您想要一些样本数据，可以使用以下作为样本数据：

set.seed(1)
a <- data.frame(start=1:4, end=sample(5:10, 4, TRUE), group=c("A","B","C","D"))
x <- do.call(rbind, replicate(1000, a, FALSE))
y <- do.call(rbind, replicate(100, x, FALSE))

请注意，随着“group”中不同唯一值的数量增加，这似乎会变慢。

（换句话说，“data.table”方法通常是最有意义的。我只是分享一个可能的基本R替代方案，它应该比现有方法快得多。）

加速data.frame重新排列

2 个答案: