Repite las filas de un data.frame

dataframe rows

Question

Quiero repetir las filas de un data.frame, cada N veces. El resultado debe ser un nuevo data.frame (con nrow(new.df) == nrow(old.df) * N ) manteniendo los tipos de datos de las columnas.

Ejemplo para N = 2:

                        A B   C
  A B   C             1 j i 100
1 j i 100     -->     2 j i 100
2 K P 101             3 K P 101
                      4 K P 101

Entonces, cada fila se repite 2 veces y los caracteres se mantienen, los factores siguen siendo factores, los números siguen siendo numéricos, ...

Mi primer intento utilizado apply: apply(old.df, 2, function(co) rep(co, each = N)) , pero este transforma mis valores en caracteres y obtengo:

     A   B   C    
[1,] "j" "i" "100"
[2,] "j" "i" "100"
[3,] "K" "P" "101"
[4,] "K" "P" "101"

Answer 1

Agregando a lo que @dardisco mencionó sobre mefa::rep.data.frame() , es muy flexible.

Puedes repetir cada fila N veces :

rep(df, each=N)

o repita todo el dataframe N veces (piense: como cuando recicla un argumento vectorizado)

rep(df, times=N)

¡Dos pulgares arriba para mefa ! Nunca había oído hablar de él hasta ahora y tuve que escribir el código manual para hacer esto.

Answer 2

La función rep.row parece a veces hacer listas para columnas, lo que conduce a hijinks de mala memoria. He escrito lo siguiente que parece funcionar bien:

library(plyr)
rep.row <- function(r, n){
  colwise(function(x) rep(x, n))(r)
}

Answer 3

Mi solución es similar a mefa:::rep.data.frame , pero un poco más rápido y se preocupa por los nombres de las filas:

rep.data.frame <- function(x, times) {
    rnames <- attr(x, "row.names")
    x <- lapply(x, rep.int, times = times)
    class(x) <- "data.frame"
    if (!is.numeric(rnames))
        attr(x, "row.names") <- make.unique(rep.int(rnames, times))
    else
        attr(x, "row.names") <- .set_row_names(length(rnames) * times)
    x
}

Compare soluciones:

library(Lahman)
library(microbenchmark)
microbenchmark(
    mefa:::rep.data.frame(Batting, 10),
    rep.data.frame(Batting, 10),
    Batting[rep.int(seq_len(nrow(Batting)), 10), ],
    times = 10
)
#> Unit: milliseconds
#>                                            expr       min       lq     mean   median        uq       max neval cld
#>              mefa:::rep.data.frame(Batting, 10) 127.77786 135.3480 198.0240 148.1749  278.1066  356.3210    10  a 
#>                     rep.data.frame(Batting, 10)  79.70335  82.8165 134.0974  87.2587  191.1713  307.4567    10  a 
#>  Batting[rep.int(seq_len(nrow(Batting)), 10), ] 895.73750 922.7059 981.8891 956.3463 1018.2411 1127.3927    10   b

Answer 4

Otra forma de hacer esto sería obtener primero los índices de fila, anexar copias adicionales de la df, y luego ordenar por los índices:

df$index = 1:nrow(df)
df = rbind(df,df)
df = df[order(df$index),][,-ncol(df)]

Aunque las otras soluciones pueden ser más cortas, este método puede ser más ventajoso en ciertas situaciones.

Answer 5

Para referencia y agregar respuestas que citan mefa, vale la pena echar un vistazo a la implementación de mefa::rep.data.frame() en caso de que no desee incluir todo el paquete:

> data <- data.frame(a=letters[1:3], b=letters[4:6])
> data
  a b
1 a d
2 b e
3 c f
> as.data.frame(lapply(data, rep, 2))
  a b
1 a d
2 b e
3 c f
4 a d
5 b e
6 c f

Answer 6

Si puede repetir todo o subconjunto primero y luego repetirlo, esta pregunta similar puede ser útil. Una vez más:

library(mefa)
rep(mtcars,10) 

o simplemente

mefa:::rep.data.frame(mtcars)

Answer 7

Una solución dplyr limpia, tomada de here

library(dplyr)
df <- data_frame(x = 1:2, y = c("a", "b"))
df %>% slice(rep(1:n(), each = 2))

Answer 8

intente usar, por ejemplo

N=2
rep(1:4, each = N) 

como un índice

Answer 9

df <- data.frame(a=1:2, b=letters[1:2]) 
df[rep(seq_len(nrow(df)), each=2),]