df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
什麼是擴大上述data.frame的前兩列最簡單的方法，讓 每一行出現的次數在'freq'欄中指定？複製data.frame中的每一行，並指定副本數爲每行
換句話說，從這個去：
df
var1 var2 freq
1 a d 1
2 b e 2
3 c f 3
要這樣：
df.expanded
var1 var2
1 a d
2 b e
3 b e
4 c f
5 c f
6 c f
這裏有一個解決方案：
df.expanded <- df[rep(row.names(df), df$freq), 1:2]
結果：
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
@ neilfws的解決方案適用於data.frame s，但不適用於data.table s，因爲它們缺少row.names屬性。這種方法既適用於：
df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]
對於data.table雖然你將需要添加with=F，可以有選擇地刪除df$：
dt <- data.table(df)
dt.expanded <- dt[rep(seq(.N), freq), !"freq", with=F]
splitstackshape包
使用expandRows()：
library(splitstackshape)
expandRows(df, "freq")
簡單的語法非常快，適用於data.frame或data.table。
結果：
var1 var2
1 a d
2 b e
2.1 b e
3 c f
3.1 c f
3.2 c f
如果你必須做非常大的data.frames我會推薦它轉換成data.table並使用下面這個操作，它應該運行得更快：
library(data.table)
dt <- data.table(df)
dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")]
dt.expanded[ ,freq := NULL]
dt.expanded
把這個解決方案如何更快的是：
df <- data.frame(var1=1:2e3, var2=1:2e3, freq=1:2e3)
system.time(df.exp <- df[rep(row.names(df), df$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
我收到一個錯誤：'rep（1，freq）中的錯誤：'times'argument'無效。並且已經有了數據。表格回答這個問題，你可能想描述你的方法是不同的，或者它比當前的data.table答案更好。或者，如果沒有重大區別，您可以將其添加爲現有答案的評論。 – 2015-07-07 16:20:35
@ SamFirke：謝謝你的評論。奇怪，我只是試了一遍，我沒有這樣的錯誤。你是否使用OP的問題中最初的'df'？我的回答更好，因爲其他答案是通過使用'data.frame'語法來濫用'data.table'包，請參閱'data.table'的常見問題：「通過數字來引用列通常是不好的做法而不是名字。「 – vonjd 2015-07-07 16:37:57
感謝您的解釋。你的代碼適用於OP發佈的樣例'df'，但是當我試圖在更大的data.frame上進行基準測試時，我發現了這個錯誤。我使用的data.frame是：'set.seed（1） dfbig < - data.frame（var1 = sample（letters，1000，replace = TRUE），var2 = sample（LETTERS，1000，replace = TRUE），freq = sample（1:10，1000，replace = TRUE））'在微小的數據框架上，基準答案在我的基準測試中效果很好，但它不能很好地適應更大的數據框架。其他三個答案成功運行這個更大的數據框架。 – 2015-07-07 17:06:48
老問題，在tidyverse動詞：
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)
Ë
太好了！我總是忘記你可以使用方括號。我一直在想索引只是爲了子集或重新排序。我有另一個遠不那麼優雅的解決方案，毫無疑問效率較低。無論如何，我可能會發帖，以便其他人可以比較。 – wkmor1 2010-05-24 10:30:21
對於大型'data.frame'，更高效的是用'seq.int（1，nrow（df））'或'seq_len（nrow（df））'替換'row.names（df）'。 – Marek 2010-05-25 11:54:19
這對於一個大數據框非常奏效 - 150萬行，5列，非常快。謝謝！ – gabe 2012-11-21 06:16:34