从大型数据集的数据框有效地创建矩阵
Posted
技术标签:
【中文标题】从大型数据集的数据框有效地创建矩阵【英文标题】:Effectively Create a Matrix from a Dataframe for Large dataset 【发布时间】:2018-10-11 16:35:03 【问题描述】:我正在尝试从大型数据框创建矩阵。这是一个示例数据框
df <- data.frame(index=c("x","y","j","ww","rr","ff"),
a=c(1,3,3,5,1,6),
b=c(2,3,5,3,2,3),
c=c(3,2,4,5,6,10),
d =c("ha1","ha2","ha3","ha4","ha5","ha"))
> df
index a b c d
1 x 1 2 3 ha1
2 y 3 3 2 ha2
3 j 3 5 4 ha3
4 ww 5 3 5 ha4
5 rr 1 2 6 ha5
6 ff 6 3 10 ha
矩阵需要看起来像这样。
> matrix
a b c
ff 6 3 10
j 3 5 4
rr 1 2 6
ww 5 3 5
x 1 2 3
y 3 3 2
所以,我使用的方法是首先使用 melt 将数据帧结构更改为类似的结构
df1 <- reshape2::melt(data = df, id.vars = c("index","d"), variable.name = "colname", value.name = "value")
> df1
index d colname value
1 x ha1 a 1
2 y ha2 a 3
3 j ha3 a 3
4 ww ha4 a 5
5 rr ha5 a 1
6 ff ha a 6
7 x ha1 b 2
8 y ha2 b 3
9 j ha3 b 5
10 ww ha4 b 3
11 rr ha5 b 2
12 ff ha b 3
13 x ha1 c 3
14 y ha2 c 2
15 j ha3 c 4
16 ww ha4 c 5
17 rr ha5 c 6
18 ff ha c 10
然后做acast
matrix <- acast(df1, index~colname, value.var="value")
上述方法有效,但现在我正在处理大数据集,当使用熔化 (df1) 转换数据时,它变得非常大并崩溃。
那么有什么方法可以有效地从数据帧 df 创建矩阵,甚至不需要中间步骤。
【问题讨论】:
这不是删除第一列,使用as.matrix
转换为矩阵并将行名更改为第一列吗?即'row.names<-'(as.matrix(df[-1]), df[,1])
是否有逻辑为什么在预期输出中更改行顺序
【参考方案1】:
根据输出,我们可以删除第一列 character
列,将数据集的其余部分转换为 matrix
并为第一列分配行名
m1 <- `row.names<-`(as.matrix(df[-1]), df[,1])
str(m1)
# num [1:2, 1:3] 1 3 2 3 3 2
# - attr(*, "dimnames")=List of 2
# ..$ : chr [1:2] "x" "y"
# ..$ : chr [1:3] "a" "b" "c"
m1
# a b c
#x 1 2 3
#y 3 3 2
如果我们使用tidyverse
,那么column_to_rownames
是有用的
library(tidyverse)
column_to_rownames(df, "x") %>%
as.matrix
更新
基于更新的数据集,我们可以在对数值列进行子集化后应用相同的逻辑
`row.names<-`(as.matrix(df[2:4]), df[,1])
如果numeric
列多,获取索引困难,则遍历列获取数字列的索引,并将其用于子集
m2 <- `row.names<-`(df[sapply(df, is.numeric)], df[,1])[order(df[,1]),]
m2
# a b c
#ff 6 3 10
#j 3 5 4
#rr 1 2 6
#ww 5 3 5
#x 1 2 3
#y 3 3 2
【讨论】:
感谢您的参与。但这是一个非常简单的示例,我还有更多专栏。 @JohnG 当你展示一个简单的例子时还不清楚。你能用一个更复杂的例子来更新你的锅吗? @JohnG 如果我是对的,它只需要对列进行子集化'row.names<-'(as.matrix(df[2:4]), df[,1])
知道了。主要的是我需要控制行名和列名..例如使用 acast acast(df1, index~colname, value.var="value") ,“索引”将是我的行名和“列名”将是我的列名..
@JohnG 我理解你的意思,但我认为如果最终目标是拥有一个包含一些选定列的矩阵,那么执行melt
后跟cast
会效率低下跨度>
以上是关于从大型数据集的数据框有效地创建矩阵的主要内容,如果未能解决你的问题,请参考以下文章