Question

我试图找到笛卡尔积的dplyr函数。我有两个简单的data.frame，没有公共变量：

x <- data.frame(x=c("a","b","c"))
y <- data.frame(y=c(1,2,3))

我想重现

的结果

merge(x,y)

  x y
1 a 1
2 b 1
3 c 1
4 a 2
5 b 2
6 c 2
7 a 3
8 b 3
9 c 3

我已经找到了这个（例如here或here）而没有找到任何有用的东西。

非常感谢

Answer 1

使用tidyr包中的crossing：

x <- data.frame(x=c("a","b","c"))
y <- data.frame(y=c(1,2,3))

crossing(x, y)

结果：

Answer 2

如果我们需要tidyverse输出，我们可以使用expand中的tidyr

library(tidyverse)
y %>% 
   expand(y, x= x$x) %>%
   select(x,y)
# A tibble: 9 × 2
#       x     y
#  <fctr> <dbl>
#1      a     1
#2      b     1
#3      c     1
#4      a     2
#5      b     2
#6      c     2
#7      a     3
#8      b     3
#9      c     3

Answer 3

对所有人致歉：以下示例似乎 not 不适用于data.frame或data.tables。

当x和y是数据库tbl（tbl_dbi / tbl_sql）时，您现在还可以执行以下操作：

full_join(x, y, by = character())

于2017年底添加到dplyr，并且在数据库世界中也转换为CROSS JOIN。节省了必须引入伪变量的麻烦。

Answer 4

当遇到这个问题时，我倾向于做这样的事情：

x <- data.frame(x=c("a","b","c"))
y <- data.frame(y=c(1,2,3))
x %>% mutate(temp=1) %>% 
inner_join(y %>% mutate(temp=1),by="temp") %>%
dplyr::select(-temp)

如果x和y是多列数据帧，但是我想要将x行和y行的每个组合进行处理，那么这比我可以提出的任何expand.grid（）选项更整洁。

Answer 5

expand.grid(x=c("a","b","c"),y=c(1,2,3))

编辑：考虑以下优雅解决方案来自＆＃34; Y T＆＃34;对于更复杂的data.frame：

https://stackoverflow.com/a/21911221/5350791

简而言之：

expand.grid.df <- function(...) Reduce(function(...) merge(..., by=NULL), list(...))
expand.grid.df(df1, df2, df3)

Answer 6

这是dsz评论的延续。创意来源：http://jarrettmeyer.com/2018/07/10/cross-join-dplyr。

tbl_1$fake <- 1
tbl_2$fake <- 1
my_cross_join <- full_join(tbl_1, tbl_2, by = "fake") %>%
                 select(-fake)

我在4到640 obs的四列数据上进行了测试，大约花费了1.08秒。

Answer 7

使用上面的两个答案，使用 full_join() 和 by = character() 似乎更快：

library(tidyverse)
library(microbenchmark)

df <- data.frame(blah = 1:10)

microbenchmark(diamonds %>% crossing(df))
Unit: milliseconds
                      expr      min       lq     mean   median       uq     max neval
 diamonds %>% crossing(df) 21.70086 22.63943 23.72622 23.01447 24.25333 30.3367   100
microbenchmark(diamonds %>% full_join(df, by = character()))
Unit: milliseconds
                                         expr      min       lq     mean   median       uq      max neval
 diamonds %>% full_join(df, by = character()) 9.814783 10.23155 10.76592 10.44343 11.18464 15.71868   100

与dplyr R的笛卡尔积

7 个答案: