用tidyr传播两列数据框 [英] Spreading a two column data frame with tidyr

问题描述

我有一个数据框，如下所示：

  ab 
 1 x 8 
 2 x 6 
 3 y 3 
 4 y 4 
 5 z 5 
 6 z 6 
  

，我想把它变成这样：

  xyz 
 1 8 3 5 
 2 6 4 6 
  

但打电话

pre> library（tidyr）
df< - data.frame（
a = c（x，x，y y，z，z），
b = c（8，6，3，4，5，6）
）
df％>％spread（a，b ）


返回

 code> xyz 
 1 8 NA NA 
 2 6 NA NA 
 3 NA 3 NA 
 4 NA 4 NA 
 5 NA NA 5 
 6 NA NA 6 
  

我做错了什么？

解决方案

虽然我知道你在 tidyr ， base 在这种情况下有一个解决方案：

  unpack（df，b〜a）
  

它也有点快一点：

 单位：微秒
 
 expr min lq均值中位数uq max neval 
 df％>％spread a，b）657.699 679.508 717.7725 690.484 724.9795 1648.381 100 
 unfack（df，b〜a）309.891 335.264 349.4812 341.9635 351.6565 639.738 100 
  

由于受欢迎的需求，更大的东西

我没有包含 data.table 解决方案，因为我不知道如果通过引用将是 microbenchmark 的问题。

 库（微基准）
库（tidyr）
库（magrittr）
 
 nlevels<  -  3 
＃确保所有级别具有相同数量的元素
 nrow<  -  1e6  -  1e6 %% nlevels 
 df<  -  data.frame（a = sample（rep（c（x，y，z ），length.out = nrow）），
b = sample.int（9，nrow，replace = TRUE））
 
微基准（df％>％spread（a，b） ，拆分（df，b〜a），data.frame（split（df $ b，df $ a））， do.call（cbind，split（df $ b，df $ a）））
  

即使在1百万，拆包更快。值得注意的是， split 解决方案也非常快。

 单位：毫秒
 expr min lq mean median uq max neval 
 df％>％spread（a，b）366.24426 414.46913 450.78504 453.75258 486.1113 542.03722 100 
 unfack（df，b〜a）47.07663 51.17663 61.24411 53.05315 56.1114 102.71562 100 
 data.frame（split（df $ b，df $ a））19.44173 19.74379 22.28060 20.18726 22.1372 67.53844 100 
 do.call（cbind，split（df $ b，df $ a）） 26.99798 27.41594 31.27944 27.93225 31.2565 79.93624 100 
  

I have a data frame that looks like this:

  a b
1 x 8
2 x 6
3 y 3
4 y 4
5 z 5
6 z 6

and I want to turn it into this:

  x y z
1 8 3 5
2 6 4 6

But calling

library(tidyr)
df <- data.frame(
    a = c("x", "x", "y", "y", "z", "z"),
    b = c(8, 6, 3, 4, 5, 6)
)
df %>% spread(a, b)

returns

   x  y  z
1  8 NA NA
2  6 NA NA
3 NA  3 NA
4 NA  4 NA
5 NA NA  5
6 NA NA  6

What am I doing wrong?

解决方案

While I'm aware you're after tidyr, base has a solution in this case:

unstack(df, b~a)

It's also a little bit faster:

Unit: microseconds

                expr     min      lq     mean  median       uq      max neval
 df %>% spread(a, b) 657.699 679.508 717.7725 690.484 724.9795 1648.381   100
  unstack(df, b ~ a) 309.891 335.264 349.4812 341.9635 351.6565 639.738   100

By popular demand, with something bigger

I haven't included the data.table solution as I'm not sure if pass by reference would be a problem for microbenchmark.

library(microbenchmark)
library(tidyr)
library(magrittr)

nlevels <- 3
#Ensure that all levels have the same number of elements
nrow <- 1e6 - 1e6 %% nlevels
df <- data.frame(a=sample(rep(c("x", "y", "z"), length.out=nrow)),
                 b=sample.int(9, nrow, replace=TRUE))

microbenchmark(df %>% spread(a, b),  unstack(df, b ~ a), data.frame(split(df$b,df$a)), do.call(cbind,split(df$b,df$a)))

Even on 1 million, unstack is faster. Notably, the split solution is also very fast.

Unit: milliseconds
                              expr       min        lq      mean    median       uq       max neval
               df %>% spread(a, b) 366.24426 414.46913 450.78504 453.75258 486.1113 542.03722   100
                unstack(df, b ~ a)  47.07663  51.17663  61.24411  53.05315  56.1114 102.71562   100
     data.frame(split(df$b, df$a))  19.44173  19.74379  22.28060  20.18726  22.1372  67.53844   100
 do.call(cbind, split(df$b, df$a))  26.99798  27.41594  31.27944  27.93225  31.2565  79.93624   100

这篇关于用tidyr传播两列数据框的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！