Question

我有一个数据帧列表，所有数据帧都是相同的尺寸（64 obs，12个变量）。我需要以以下方式“展平”这些数据帧，即返回64 x 11 = 704个变量和一个观察值，以得出具有所有唯一值和数据帧的列名称的一列的所有组合。下面提供了示例。

我尝试使用acast和melt来实现这一目标。但是，当必须在100k +数据帧上应用此方法时，融解前后的支持操作会使该方法变慢。

以下是示例数据框和我采用的方法：

df <- data.frame(var1=c(1,2,3),name=c("these","are","names"),var3=c(4,NA,NA),var4=c(NA,NA,5),var6=c(NA,5,NA))

flattening <- function(df){
  rownames(df) <- df$name
  df$name <- NULL
  df <- melt(as.matrix(df)) %>% group_by(name = paste0(Var1,"_",Var2)) %>% summarise(
    value = first(value)
  ) %>% data.frame()

  cnames <- df$name
  df <- data.frame(values=df$value) %>% t() %>% data.frame()
  names(df) <- cnames
  df
}

flattening(df)

示例df如下所示：

  var1  name var3 var4 var6
1    1 these    4   NA   NA
2    2   are   NA   NA    5
3    3 names   NA    5   NA

我正在寻找预期的结果：

       are_var1 are_var3 are_var4 are_var6 names_var1 names_var3 names_var4 names_var6 these_var1 these_var3 these_var4 these_var6
values        2       NA       NA        5          3         NA          5         NA          1          4         NA         NA

结果更新：

我在下面有一个微基准测试，其中expr是用户的句柄：

Unit: milliseconds
   expr       min        lq      mean    median        uq        max neval cld
    old 78.370093 81.038799 90.272721 85.694885 89.304528 1114.03968   500   c
 tmfmnk 11.829791 12.697675 13.844833 13.134485 13.623065   34.91430   500  b 
    s_t  1.476159  1.774409  2.030418  1.873876  2.003681   16.89159   500 a

Answer 1

一个dplyr和tidyr选项可以是：

df %>%
 gather(var, val, -2) %>%
 mutate(var = paste(name, var, sep = "_")) %>%
 select(-name) %>%
 spread(var, val)

  are_var1 are_var3 are_var4 are_var6 names_var1 names_var3 names_var4 names_var6
1        2       NA       NA        5          3         NA          5         NA
  these_var1 these_var3 these_var4 these_var6
1          1          4         NA         NA

它应该比您原来的方法要快，但是，肯定有更快的可能性。

Answer 2

您还可以使用reshape2::melt()然后使用基数R：

library(reshape2)
dats <- melt(df) 
rownames(dats) <- paste0(dats$name,'-',dats$variable)
dats <- t(dats)
dats <- dats[-c(1,2),]
dats <- sapply(dats,as.numeric)
dats

these-var1   are-var1 names-var1 these-var3   are-var3 names-var3 these-var4   are-var4 names-var4 these-var6   are-var6 
         1          2          3          4         NA         NA         NA         NA          5         NA          5 
names-var6 
        NA

修改

此处为data.frame：

dats <- as.data.frame.matrix(t(as.data.frame.numeric(dats)))

Answer 3

使用dcast中的data.table，这可能需要多个value.var列

library(data.table)
out <- dcast(setDT(df)[, rn := 1], rn ~ name, 
          value.var = paste0("var", c(1, 3, 4, 6)))[, rn := NULL][]
setnames(out, sub("([^_]+)_([^_]+)", "\\2_\\1", names(out)))
out
#   are_var1 names_var1 these_var1 are_var3 names_var3 these_var3 are_var4 names_var4 these_var4 are_var6 names_var6 these_var6
#1:        2          3          1       NA         NA          4       NA          5         NA        5         NA         NA

将某一列的值和列名称的所有组合放入一行

3 个答案: