Question

我有一个两列数据框，其左列中的值和右列中该值的频率。我想在一个只有一列的新数据框中反映这些数据。

我已经使用了下面的2 for循环，但是我的数据（100k +行和许多数据帧）非常慢。我尝试过使用apply函数，但无法解决问题。

library(tidyverse)

twocol <- tribble(
  ~value, ~count,
  0.23076923, 5,
  0.69076923, 3,
  1.15230769, 4,
  1.61384615, 4,
  2.15230769, 3
) %>% as.data.frame()

make_onecol <- function(df) {
  dfnew <- data.frame(value=NA)
  df %>% filter(count!=0) -> df
  for (i in 1:nrow(df)) {
    n <- df[i, 2]
    for (j in 1:n) {
      dfnew <- rbind(dfnew, df[i, 1])
    }
  }
  return(dfnew)
}

onecol <- make_onecol(twocol)

Answer 1

你可以使用rep - 函数。使用：

onecol <- data.frame(value = c(NA, rep(twocol$value, twocol$count)))

给出：

> onecol
       value
1         NA
2  0.2307692
3  0.2307692
4  0.2307692
5  0.2307692
6  0.2307692
7  0.6907692
8  0.6907692
9  0.6907692
10 1.1523077
11 1.1523077
12 1.1523077
13 1.1523077
14 1.6138462
15 1.6138462
16 1.6138462
17 1.6138462
18 2.1523077
19 2.1523077
20 2.1523077

Answer 2

rep包装data.table：

library(data.table)
setDT(twocol)[, .(value = rep(value, count))]
#     value
# 0.2307692
# 0.2307692
# 0.2307692
# 0.2307692
# 0.2307692
# 0.6907692
# 0.6907692
# 0.6907692
# 1.1523077
# 1.1523077
# 1.1523077
# 1.1523077
# ...

使rbind循环更快

2 个答案: