合并R中数据帧的所有可能行

时间:2018-06-20 15:37:39

标签: r dataframe permute

我有以下数据框:

x <- data.frame("Col1" = c('A', 'B', 'C', 'D'), "Col2" = c('W', 'X', 'Y', 'Z'))

我想有一个新的数据框,其中包含行组合的所有可能组合,这将给出一个包含两列的数据框,其中包含:

A W
A X
A Y
A Z
B W
B X
B Y
B Z
C W
...

数据框将始终具有两列,但行数可能会有所不同。

我查看了permute()或sample(),但没有设法得到想要的东西。 谢谢!

2 个答案:

答案 0 :(得分:1)

tidyr::complete()是为此目的而设计的。令我惊讶的是我没有看到如此出色的例子。

library(magrittr)
x %>% 
  tidyr::complete(Col1, Col2)

结果:

# A tibble: 16 x 2
   Col1  Col2 
   <fct> <fct>
 1 A     W    
 2 A     X    
 3 A     Y    
 4 A     Z    
 5 B     W    
 6 B     X    
 7 B     Y    
 8 B     Z    
 9 C     W    
10 C     X    
11 C     Y    
12 C     Z    
13 D     W    
14 D     X    
15 D     Y    
16 D     Z    

如果您的实际情况与OP一样简单,那么@bouncyball的建议expand.grid(x)是最干净的。如果您的实际情况更加复杂,那么tidyr::complete()可能会让您更轻松地成长。通常,我有两个以上的ID变量可以扩展/完成。这些通常是分析的因变量/结果变量,并且fill参数允许您为未出现在观察到的数据集中的组合指定其默认值。这是SO example

经过编辑以反映@bouncyball和@ADuv的建议。

答案 1 :(得分:0)

关于tidyr::completebase::expand.grid,性能可能也是一个因素。

根据complete以下的基准,速度会慢很多,尽管差异会随着输入大小而减小。

df <- data.frame(a= 1:10,b= 1:10)
# microbenchmark(complete(df,a,b), expand.grid(df))
# Unit: microseconds
#               expr       min       lq       mean    median        uq       max neval
# complete(df, a, b) 15345.348 16065.27 17947.2132 16609.512 17351.317 46415.772   100
#    expand.grid(df)   129.194   144.74   174.8799   194.395   201.337   256.577   100

df <- data.frame(a= 1:100,b= 1:100)
# microbenchmark(complete(df,a,b), expand.grid(df))
# Unit: microseconds
#               expr       min         lq       mean     median        uq      max neval
# complete(df, a, b) 15992.523 16380.1030 17743.4860 16611.4730 16998.149 26622.31   100
#    expand.grid(df)   323.588   340.4925   376.6481   383.6575   397.844   665.89   100

df <- data.frame(a= 1:1000,b= 1:1000)
microbenchmark(complete(df,a,b), expand.grid(df))
# Unit: milliseconds
#               expr      min       lq     mean   median       uq       max neval
# complete(df, a, b) 86.58981 88.49813 98.73944 93.62617 98.83436 157.40141   100
#    expand.grid(df) 18.99899 19.40211 21.83331 21.20161 23.71123  33.19729   100