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$id==x,])
## or if we make our data a data.table then
library(data.table)
test_data= data.table(test_data)
newdata.list=llply(id_vec, function(x) test_data[id==x])
library(dplyr)
newdata.frame= bind_rows(newdata.list) ### making it a dataframe
newdata.frame
id value
1: 1 g
2: 1 e
3: 4 j
4: 4 a
5: 1 g
6: 1 e
7: 5 b
答案 0 :(得分:0)
首先将数据框拆分为每个ID的数据框列表:
split_data = split(test_data, test_data$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}}