Question

我有一个像这样的窄格式的data.frame：

test_data<-data.frame(id=rep(1:200,50), 
variable=sample(LETTERS,10000,T), 
value=sample(letters,10000,T), stringsAsFactors = F)

我想获取一个列表，其中包含每个id的列表，其中每个变量作为向量在内部（类似于简单的JSON格式）：

list("1"=list(A=c("a","b"), B=character(), C="v" ...

我的代码：

return_data <-
   sapply(unique(test_data$id), function (r)
      sapply(LETTERS, function(q)
        test_data[test_data$id == r & test_data$variable == q, "value"],
      USE.NAMES = T,simplify = F),
    USE.NAMES = T,simplify = F)

它可以工作，但是对于大样本来说太慢了。我已经用数据重写了它。表，但仍然很慢。我对parSapply进行了一些改进，但是我相信应该有更有效的算法...

Answer 1

由于split的行为（默认情况下已启用，但在此处明确传递以提高可读性），因此可以将variable与drop = FALSE一起使用。使用magrittr：

library(magrittr)

res = test_data %>% 
  transform(variable = factor(variable)) %>% 
  split(.["id"]) %>% 
  lapply(function(x) split(x$value, x["variable"], drop = FALSE))

all.equal(unname(res), return_data) # TRUE

没有magrittr的情况相同：

new_test_data = transform(test_data, variable = factor(variable))
sp_id = split(new_test_data , new_test_data["id"])
res2 = lapply(sp_id, function(x) split(x$value, x["variable"], drop = FALSE))

all.equal(unname(res2), return_data) # TRUE

从狭窄的data.frame快速生成列表

1 个答案: