Question

我有一个数据框，其序列在'col1'中，值在'col2'中：

我想用1到13的常规序列扩展'col1'中的不规则序列。对于原始数据中缺少的'col1'中的值，我希望'col2'具有值{{1在最终输出中：

我怎样才能在R？

中这样做

Answer 1

为了完整起见，使用NA进行自我二进制加入（您将获得library(data.table) setDT(df)[.(seq(max(col1))), on = .(col1)] # col1 col2 # 1: 1 NA # 2: 2 0.02 # 3: 3 NA # 4: 4 NA # 5: 5 0.12 # 6: 6 NA # 7: 7 NA # 8: 8 NA # 9: 9 0.91 # 10: 10 NA # 11: 11 NA # 12: 12 NA # 13: 13 1.13而不是零，但如果需要可以轻松更改

(function($) {
  $.fn.findVisibleScroll = function(config) {
    var defaults = { selector : '' };
    if (!$.isPlainObject(config)) config = { selector : config };
    config = $.extend(true, defaults, config || {});
    var viewRangeStart = $(this).offset().top;
    var viewRangeEnd = viewRangeStart + this.height();
    return this.find(config.selector).filter(function() {
      var eleTop = $(this).offset().top;
      var eleBottom = eleTop + $(this).height();
      return (eleBottom <= viewRangeEnd) && (eleTop >= viewRangeStart);
    });
  };
})(jQuery);

$(function() {
  for (var row = 0; row < 500; row++) {
    var $row = $('<tr>').appendTo($('table').first().append($('<tbody>')));
    for (var col = 0; col < 6; col++) {
      $('<td>').append($('<input>', { placeholder : row + ' x ' + col })).appendTo($row);
    }
  }
});

$('.select-btn').on('click', function() {
  $('.viewport-half-vertical').find('tr').removeClass('selected');
  $('.viewport-half-vertical').findVisibleScroll('tr').addClass('selected');
});

Answer 2

library(tidyr)

complete(d, col1 = 1:13, fill = list(col2 = 0))

或

complete(d, col1 = seq(max(col1))), fill = list(col2 = 0))

# A tibble: 13 × 2
    col1  col2
   <int> <dbl>
1      1  0.00
2      2  0.02
3      3  0.00
4      4  0.00
5      5  0.12
6      6  0.00
7      7  0.00
8      8  0.00
9      9  0.91
10    10  0.00
11    11  0.00
12    12  0.00
13    13  1.13

或

library(dplyr)

left_join(data.frame(col1 = seq(max(d$col1)))), d)

但这会留下NA而不是零。

Answer 3

另一种方式如下。您的数据在此处称为mydf。您创建一个数据框，其列包含1到最大值col1。然后，您使用col2中的mydf值分配给col2中名为foo的新列。执行此过程时，可以使用col1中mydf中的数字作为索引。到目前为止，NA位于col2 foo col2。您想将NA更改为0.因此，最后一步是执行此操作。您使用foo在is.na()的{{1}}中查找NA的位置，并为这些位置指定零。

foo <- data.frame(col1 = 1:max(mydf$col1))
foo$col2[mydf$col1] <- mydf$col2
foo$col2[is.na(foo$col2)] <- 0

将lmo的想法带入帐户，您可以先创建一个0的数据框，然后避开第3步。

foo <- data.frame(col1 = 1:max(mydf$col1), col2 = 0)
foo$col2[mydf$col1] <- mydf$col2


#   col1 col2
#1     1 0.00
#2     2 0.02
#3     3 0.00
#4     4 0.00
#5     5 0.12
#6     6 0.00
#7     7 0.00
#8     8 0.00
#9     9 0.91
#10   10 0.00
#11   11 0.00
#12   12 0.00
#13   13 1.13

DATA

mydf <- structure(list(col1 = c(2L, 5L, 9L, 13L), col2 = c(0.02, 0.12, 
0.91, 1.13)), .Names = c("col1", "col2"), class = "data.frame", row.names = c(NA, 
-4L))

Answer 4

只是为了添加一个不同的观点，考虑你所拥有的可以被视为稀疏向量，即仅定义了非零值的向量。稀疏向量由R中的Matrix包实现。如果df是您的初始data.frame，请尝试：

require(Matrix)
data.frame(col1=seq_len(max(df$col1)),
      col2=as.vector(sparseVector(df$col2,df$col1,max(df$col1))))
#   col1 col2
#1     1 0.00
#2     2 0.02
#3     3 0.00
#4     4 0.00
#5     5 0.12
#6     6 0.00
#7     7 0.00
#8     8 0.00
#9     9 0.91
#10   10 0.00
#11   11 0.00
#12   12 0.00
#13   13 1.13

单行base R：

中的结果相同

data.frame(col1=seq_len(max(df$col1)),
   col2=`[<-`(numeric(max(df$col1)),df$col1,df$col2))

Answer 5

以下是使用expandRows包中的splitstackshape

的函数

expand_seq <- function(x){
  x$new <- c(x$col1[1], diff(x$col1))
  new_df <- splitstackshape::expandRows(x, 'new')
  new_df$col1 <- seq(max(new_df$col1))
  new_df$col2[!new_df$col1 %in% x$col1] <- 0
  rownames(new_df) <- NULL
  return(new_df)
}

expand_seq(df)
#   col1 col2
#1     1 0.00
#2     2 0.02
#3     3 0.00
#4     4 0.00
#5     5 0.12
#6     6 0.00
#7     7 0.00
#8     8 0.00
#9     9 0.91
#10   10 0.00
#11   11 0.00
#12   12 0.00
#13   13 1.13

Answer 6

这里已经有一些有趣的答案了。

只需跳一下，我们就可以创建一个从1到max(col1)的数字序列，然后使用col2

获取match的相应值

col1 = seq(1, max(df$col1))
data.frame(col1, col2 = df$col2[match(col1, df$col1)])

#   col1 col2
#1     1   NA
#2     2 0.02
#3     3   NA
#4     4   NA
#5     5 0.12
#6     6   NA
#7     7   NA
#8     8   NA
#9     9 0.91
#10   10   NA
#11   11   NA
#12   12   NA 
#13   13 1.13

这将给NA而不是0.如果我们需要0，

data.frame(col1,col2 = ifelse(is.na(match(col1,df$col1)), 0,
                                             df$col2[match(col1,df$col1)]))

#   col1 col2
#1     1 0.00
#2     2 0.02
#3     3 0.00
#4     4 0.00
#5     5 0.12
#6     6 0.00
#7     7 0.00
#8     8 0.00
#9     9 0.91
#10   10 0.00
#11   11 0.00
#12   12 0.00
#13   13 1.13

Answer 7

我们可以将base R与merge和replace

一起使用

transform(merge(data.frame(col1= 1:13), df, all.x=TRUE),
                      col2 = replace(col2, is.na(col2), 0))
#    col1 col2
#1     1 0.00
#2     2 0.02
#3     3 0.00  
#4     4 0.00
#5     5 0.12
#6     6 0.00
#7     7 0.00
#8     8 0.00
#9     9 0.91
#10   10 0.00
#11   11 0.00
#12   12 0.00
#13   13 1.13

Answer 8

我没有看到简单的merge解决方案，所以这里有一个：

res <- merge(data.frame(col1=1:max(df$col1)),df,by="col1",all.x=TRUE)
res$col2 <- ifelse(is.na(res$col2),0,res$col2)

第二行是用{0}替换NA（左外连接）中的merge。正如@Axeman指出的那样，这也可以通过以下方式实现：

res$col2[is.na(res$col2)] <- 0

结果是：

res
##   col1 col2
##1     1 0.00
##2     2 0.02
##3     3 0.00
##4     4 0.00
##5     5 0.12
##6     6 0.00
##7     7 0.00
##8     8 0.00
##9     9 0.91
##10   10 0.00
##11   11 0.00
##12   12 0.00
##13   13 1.13

Answer 9

另一种方式是：

.fa-disabled {
  opacity: 0.6;
  cursor: not-allowed;
}

Axeman的答案真的很甜蜜。

编辑：使用的数据 -

for (i in 1:max(test$col1)) {
  if(!(i %in% test$col1)) (test <- rbind(test, c(i, 0)))
}
test <- test[order(test$col1),]

免责声明：这不应该用于大数据集。我尝试了1k行并且它是在心跳中完成的，但是我的第二次测试有100k行现在运行了几分钟，这在他的评论中真正强调了Axeman的担忧。

扩展不规则序列并将零添加到缺失值

9 个答案: