Question

我有一个庞大的数据框，配有匹配的病例对照科目。匹配情况：控制是1：3。我试图重新采样案例ID，然后提取相应的控件。

所以，我有一个id的向量，其中id可以重复。我想为向量的每个id提取案例和控件的数据。大小写和匹配控件具有相同的case_num。％in％始终从数据中获取唯一ID。我用过llply来做。大约需要2.5秒。还有其他有效的方法吗？

我提供了一个简单的例子和我对问题的解决方案。

在我的情况下，id矢量在1921年的长度，该函数必须提取控件1921次。因此，如果时间可以减少甚至一秒钟，那么实际上我将重复整个过程1000次。谢谢！

test_data=     

data.frame(id=c(1,1,2,4,4,5,6),value=c('g','e','r','j','a','b','c'))

test_data
id value
1  1     g
2  1     e
3  2     r
4  4     j
5  4     a
6  5     b
7  6     c



id_vec= c(1,4,1,5)

library(plyr)
newdata.list=llply(id_vec, function(x) test_data[test_data$id==x,])

## or if we make our data a data.table then
library(data.table)
test_data= data.table(test_data)

newdata.list=llply(id_vec, function(x) test_data[id==x])

library(dplyr)
newdata.frame= bind_rows(newdata.list) ### making it a dataframe
newdata.frame
    id value
1:  1     g
2:  1     e
3:  4     j
4:  4     a
5:  1     g
6:  1     e
7:  5     b

Answer 1

首先将数据框拆分为每个ID的数据框列表：

split_data = split(test_data, test_data$id)

我的猜测是你可以在这里停止使用这个列表，每个id分别只有一个id_vec。但是，如果您确实需要result = split_data[id_vec]中每次重复的数据副本，请使用列表索引：

id

如果最终重组为单个数据框，则非常浪费。它涉及复制整个数据，当真正需要的是行号时。如果我理解正确，您的示例很差，因为案例编号在数据中重复，而您的示例数据具有唯一id s。这是一种方法，在数据和id_vec中重复## new example data test_data2 = data.frame(id=c(1, 1, 2, 3, 3, 4), value=c('g','e','r','j','a','b')) id_vec2 = c(3, 1, 2, 3, 4, 1) rows = lapply(id_vec2, FUN = function(x) which(test_data2$id == x)) result = test_data2[unlist(rows), ] result # id value # 4 3 j # 5 3 a # 1 1 g # 2 1 e # 3 2 r # 4.1 3 j # 5.1 3 a # 6 4 b # 1.1 1 g # 2.1 1 e重新取样数据而不制作数据框副本：

{{1}}

如何在r中重复对相同的行/ ID进行子集化

1 个答案: