df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'),
                 freq = 1:3)


在上方data.frame的前两列中扩展每一行的最简单方法是什么，以使每一行重复在'freq'列中指定的次数？

换句话说，从这里开始：

df
  var1 var2 freq
1    a    d    1
2    b    e    2
3    c    f    3


到此：

df.expanded
  var1 var2
1    a    d
2    b    e
3    b    e
4    c    f
5    c    f
6    c    f


#1 楼

这是一种解决方案：

df.expanded <- df[rep(row.names(df), df$freq), 1:2]


结果：

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f


评论

大！我总是忘记您可以使用方括号。我一直在考虑只为子集或重新排序建立索引。我有另一个解决方案，它远不那么优雅，而且效率肯定也较低。我仍然可以发帖，以便其他人可以比较。

– wkmor1
2010年5月24日上午10:30
对于大型data.frame，更有效的方法是用seq.int（1，nrow（df））或seq_len（nrow（df））替换row.names（df）。

–马雷克
10 May 25 '11：54
这对于大数据帧来说效果非常好-150万行，5列很快速。谢谢！

– Gabe
2012年11月21日下午6:16
1：2硬编码用于此示例的解决方案，1：ncol（df）将适用于任意数据帧。

–vladiim
18年8月30日在6:28


#2 楼

旧问题，tidyverse中的新动词：

library(tidyr) # version >= 0.8.0
df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
df %>% 
  uncount(freq)

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f


评论

感谢您提供的整洁解决方案。这样的解决方案通常满足“简单”和可读的标准。

– D.伍兹
19年2月18日在15:24

#3 楼

使用expandRows()软件包中的splitstackshape：

library(splitstackshape)
expandRows(df, "freq")


简单的语法，非常快，可以在data.frame或data.table上使用。

结果：

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f


#4 楼

@neilfws的解决方案非常适合data.frame，但不适用于data.table，因为它们缺少row.names属性。此方法对以下两种方法均适用：

df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]


data.table的代码可以清除：

# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]


评论

另一种选择：df [rep（seq（.N），freq）] [，freq：= NULL]

– Jaap
17年4月10日在6:04
另一个替代方法df [rep（1：.N，freq）] [，freq：= NULL]

–戴尔·库伯（Dale Kube）
19年8月11日在12:46


#5 楼

如果您必须在非常大的data.frames上执行此操作，我建议将其转换为data.table并使用以下命令，该命令应运行得更快：

library(data.table)
dt <- data.table(df)
dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")]
dt.expanded[ ,freq := NULL]
dt.expanded


看看这个解决方案有多快：

df <- data.frame(var1=1:2e3, var2=1:2e3, freq=1:2e3)
system.time(df.exp <- df[rep(row.names(df), df$freq), 1:2])
##    user  system elapsed 
##    4.57    0.00    4.56
dt <- data.table(df)
system.time(dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")])
##    user  system elapsed 
##    0.05    0.01    0.06


评论

我收到一个错误：rep（1，freq）中的错误：无效的'times'参数。并且鉴于此问题已经有一个data.table答案，您可能需要描述您的方法与当前data.table答案有何不同或何时更好。或者，如果没有重大区别，则可以将其作为注释添加到现有答案中。

– Sam Firke
15年7月7日在16:20
@SamFirke：谢谢您的评论。奇怪，我只是再次尝试了，没有得到这样的错误。您是否使用OP问题中的原始df？我的答案更好，因为另一个答案是某种通过使用data.frame语法滥用data.table包的方法，请参阅data.table的FAQ：“通常不建议使用数字而不是名称来引用列。”

– vonjd
2015年7月7日在16:37


感谢您的解释。您的代码在OP发布的示例df上对我有用，但是当我尝试在更大的data.frame上进行基准测试时，出现了此错误。我使用的data.frame是：set.seed（1）dfbig <-data.frame（var1 = sample（字母，1000，replace = TRUE），var2 = sample（LETTERS，1000，replace = TRUE），freq = sample （1:10，1000，replace = TRUE））在微小的data.frame上，基本答案在我的基准测试中效果很好，只是无法很好地扩展到更大的data.frames。其他三个答案与此较大的data.frame一起成功运行。

– Sam Firke
15年7月7日在17:06
@SamFirke：这确实很奇怪，它也应该在那里工作，我不知道为什么不这样做。您是否要从中提出问题？

– vonjd
15年7月7日在17:18
好主意。你能？我不知道data.table的语法，所以我不应该成为判断答案的人。

– Sam Firke
15年7月7日在17:22

#6 楼

dplyr的另一个slice替代品，其中我们将每个行号重复freq次

library(dplyr)

df %>%  
  slice(rep(seq_len(n()), freq)) %>% 
  select(-freq)

#  var1 var2
#1    a    d
#2    b    e
#3    b    e
#4    c    f
#5    c    f
#6    c    f


seq_len(n())的一部分可以用以下任何一种替换。 

df %>% slice(rep(1:nrow(df), freq)) %>% select(-freq)
#Or
df %>% slice(rep(row_number(), freq)) %>% select(-freq)
#Or
df %>% slice(rep(seq_len(nrow(.)), freq)) %>% select(-freq)


#7 楼

另一种可能是使用tidyr::expand：

 library(dplyr)
library(tidyr)

df %>% group_by_at(vars(-freq)) %>% expand(temp = 1:freq) %>% select(-temp)
 


#> # A tibble: 6 x 2
#> # Groups:   var1, var2 [3]
#>   var1  var2 
#>   <fct> <fct>
#> 1 a     d    
#> 2 b     e    
#> 3 b     e    
#> 4 c     f    
#> 5 c     f    
#> 6 c     f


一个-liner版本的vonjd的答案：

 library(data.table)

setDT(df)[ ,list(freq=rep(1,freq)),by=c("var1","var2")][ ,freq := NULL][]
 


#>    var1 var2
#> 1:    a    d
#> 2:    b    e
#> 3:    b    e
#> 4:    c    f
#> 5:    c    f
#> 6:    c    f


由reprex软件包（v0.2.1）于2019-05-21创建

#8 楼

我知道不是这种情况，但是如果您需要保留原始的freq列，则可以将另一种tidyverse方法与rep一起使用：

 library(purrr)

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3)

df %>% 
  map_df(., rep, .$freq)
#> # A tibble: 6 x 3
#>   var1  var2   freq
#>   <fct> <fct> <int>
#> 1 a     d         1
#> 2 b     e         2
#> 3 b     e         2
#> 4 c     f         3
#> 5 c     f         3
#> 6 c     f         3


由reprex程序包（v0.3.0）于2019-12-21创建

评论

或者只是在uncount（）中使用.remove = FALSE

–亚当
6月30日15:35

#9 楼

事实上。使用向量和索引的方法。我们也可以达到相同的结果，并且更易于理解：
rawdata <- data.frame('time' = 1:3, 
           'x1' = 4:6,
           'x2' = 7:9,
           'x3' = 10:12)

rawdata[rep(1, time=2), ] %>% remove_rownames()
#  time x1 x2 x3
# 1    1  4  7 10
# 2    1  4  7 10