R根据多个列值将数据框子化为多个数据框

Posted 2023-02-16

【中文标题】R根据多个列值将数据框子化为多个数据框

【英文标题】：R subsetting a data frame into multiple data frames based on multiple column values

【发布时间】：2013-02-28 21:52:02

【问题描述】：

我正在尝试对数据框进行子集化，其中我根据多个列值获取多个数据框。这是我的例子

>df
  v1   v2   v3   v4   v5
   A    Z    1    10   12
   D    Y    10   12    8
   E    X    2    12   15
   A    Z    1    10   12
   E    X    2    14   16

预期的输出是这样的，我根据列 v1 和 v2 将此数据帧拆分为多个数据帧

>df1
 v3   v4   v5
  1   10   12
  1   10   12
>df2
 v3   v4   v5
 10   12    8
>df3
 v3   v4   v5
 2    12   15
 2    14   16

我编写了一个现在可以运行的代码，但我认为这不是最好的方法。必须有更好的方法来做到这一点。假设tab 是具有初始数据的data.frame。这是我的代码：

v1Factors<-levels(factor(tab$v1))
v2Factors<-levels(factor(tab$v2))

for(i in 1:length(v1Factors))
  for(j in 1:length(v2Factors))
    subsetTab<-subset(tab, v1==v1Factors[i] & v2==v2Factors[j], select=c("v3", "v4", "v5"))
    print(subsetTab)
  

有人可以提出更好的方法来完成上述操作吗？

【问题讨论】：

您想重复使用这些数据帧，还是只打印按这些列分组的数据？

我想重复使用它们....想在这些数据帧上绘制图表。

【参考方案1】：

您正在寻找split

split(df, with(df, interaction(v1,v2)), drop = TRUE)
$E.X
  v1 v2 v3 v4 v5
3  E  X  2 12 15
5  E  X  2 14 16

$D.Y
  v1 v2 v3 v4 v5
2  D  Y 10 12  8

$A.Z
  v1 v2 v3 v4 v5
1  A  Z  1 10 12

如 cmets 中所述

以下任何一种都可以使用

library(microbenchmark)
microbenchmark(
                split(df, list(df$v1,df$v2), drop = TRUE), 
               split(df, interaction(df$v1,df$v2), drop = TRUE),
               split(df, with(df, interaction(v1,v2)), drop = TRUE))


Unit: microseconds
                                                  expr      min        lq    median       uq      max neval
            split(df, list(df$v1, df$v2), drop = TRUE) 1119.845 1129.3750 1145.8815 1182.119 3910.249   100
     split(df, interaction(df$v1, df$v2), drop = TRUE)  893.749  900.5720  909.8035  936.414 3617.038   100
 split(df, with(df, interaction(v1, v2)), drop = TRUE)  895.150  902.5705  909.8505  927.128 1399.284   100

似乎interaction 稍微快一些（可能是因为f = list(...) 刚刚转换为函数内的交互）

---

编辑

如果您只想使用子集 data.frames，那么我建议使用 data.table 以方便编码

library(data.table)

dt <- data.table(df)
dt[, plot(v4, v5), by = list(v1, v2)]

【讨论】：

split 可以获取f 的列表，而不必使用interaction。但不确定哪个更有效。

感谢基准测试。在这种情况下，@Arun 的伎俩（with(df, split(df, f = do.call(paste, df[1:2]))) 可能会更快！而且，这不会造成需要删除的不必要关卡。

@mnel 感谢您的及时回复。你的建议似乎确实有效。但并没有完全得到您建议的多种方法的区别。

@mnel 看起来交互创建了所有可能的关卡组合。但是当我运行上述示例时，它并没有创建所有级别。为什么这样？？在实际的数据集中，它正在创建....这让我感到莫名其妙。

【参考方案2】：

现在还有来自tidyr 的nest()，相当不错。

library(tidyr)
nestdf <- df %>% nest(v3:v5)
nestdf$data

> nestdf$data
[[1]]
# A tibble: 2 × 3
     v3    v4    v5
  <int> <int> <int>
1     1    10    12
2     1    10    12

[[2]]
# A tibble: 1 × 3
     v3    v4    v5
  <int> <int> <int>
1    10    12     8

[[3]]
# A tibble: 2 × 3
     v3    v4    v5
  <int> <int> <int>
1     2    12    15
2     2    14    16

使用nestdf$data[1] 等访问各个小标题。