根据 R 中的条件创建重复行

Posted 2023-03-14

【中文标题】根据 R 中的条件创建重复行

【英文标题】：Create duplicate rows based on conditions in R

【发布时间】：2015-05-11 18:09:22

【问题描述】：

我有一个如下所示的 data.table

dt <- data.table(ID=c("A","A","B","B"),Amount1=c(100,200,300,400),
                 Amount2=c(1500,1500,2400,2400),Dupl=c(1,0,1,0))

   ID Amount1 Amount2 Dupl
1:  A     100    1500    1
2:  A     200    1500    0
3:  B     300    2400    1
4:  B     400    2400    0

我需要复制 Dupl 列中具有 1 的每一行，并将该复制行中的 Amount1 值替换为 Amount2 值。除此之外，我需要在 Dupl 中为该重复行赋予值 2。这意味着它应该如下所示：

   ID Amount1 Amount2 Dupl
1:  A     100    1500    1
2:  A    1500    1500    2
3:  A     200    1500    0
4:  B     300    2400    1
5:  B    2400    2400    2
6:  B     400    2400    0

非常感谢任何帮助！ 亲切的问候，

提姆

【问题讨论】：

我们还需要了解其他规则吗？给定的 ID 可以有四行吗？ “Dupl”列是否有“1”和“2”以外的值？

【参考方案1】：

使用 dplyr

library("data.table")
library("dplyr")

#data
dt <- data.table(ID = c("A", "A", "B", "B"),
                 Amount1 = c(100, 200, 300, 400),
                 Amount2 = c(1500, 1500, 2400, 2400),
                 Dupl = c(1, 0, 1, 0))
#result
rbind(dt,
      dt %>% 
        filter(Dupl == 1) %>% 
        mutate(Dupl = 2,
               Amount1 = Amount2))

#    ID Amount1 Amount2 Dupl
# 1:  A     100    1500    1
# 2:  A     200    1500    0
# 3:  B     300    2400    1
# 4:  B     400    2400    0
# 5:  A    1500    1500    2
# 6:  B    2400    2400    2

【讨论】：

我总是尽量避免使用 plyr，因为我使用的是大型数据集，但这也很有效。非常感谢。

【参考方案2】：

这里有偏见，但我认为这个 dplyr 解决方案很优雅，而且它的可扩展性也很好，特别是只要 Dupl 始终 tidyr::uncount，它说，“基于给定列的值 (x)，每行重复 x 次，从而拉长 df。一旦我们延长了 df，我们就可以使用dplyr::mutate_at 来替换与滞后值相同的单元格。

library(tidyverse)
dt %>%
    uncount(Dupl + 1) %>%
    mutate_at(vars(Amount1),
              ~case_when(. == lag(.) ~ Amount2, TRUE ~.)) %>%
    mutate_at(vars(Dupl),
              ~case_when(. == lag(.) ~ 2, TRUE ~.))

#    ID Amount1 Amount2 Dupl
# 1:  A     100    1500    1
# 2:  A    1500    1500    2
# 3:  A     200    1500    0
# 4:  B     300    2400    1
# 5:  B    2400    2400    2
# 6:  B     400    2400    0

【参考方案3】：

使用 dplyr 的 left_join 进行复制工作。也许不优雅，但应该很容易理解。

library(data.table)
library(dplyr)

joiner <- data.frame(Dupl = 1, helper_col= 1:2)

dt <- left_join(dt, joiner) %>%
  mutate(Dupl = ifelse(helper_col == 2 & !is.na(helper_col), 2, Dupl)) %>%
  select(-helper_col) %>%
  mutate(Amount1 = ifelse(Dupl == 2, Amount2, Amount1))

> dt
  ID Amount1 Amount2 Dupl
1  A     100    1500    1
2  A    1500    1500    2
3  A     200    1500    0
4  B     300    2400    1
5  B    2400    2400    2
6  B     400    2400    0

【参考方案4】：

您可以rbind 一份已完成正确转换的子集数据副本：

rbind(dt,copy(dt[Dupl==1])[,Amount1:=Amount2][,Dupl:=Dupl+1])
   ID Amount1 Amount2 Dupl
1:  A     100    1500    1
2:  A     200    1500    0
3:  B     300    2400    1
4:  B     400    2400    0
5:  A    1500    1500    2
6:  B    2400    2400    2

或者，您可以通过子设置获取重复项，然后使用中间步骤转换重复的行。这会将重复的行保留在原始行旁边，如问题中的示例所示：

x <- dt[rep(seq(dt[,Dupl]),times=dt[,Dupl==1]+1)]
x[duplicated(x),c("Amount1","Dupl"):=list(Amount2,Dupl+1)]
x
   ID Amount1 Amount2 Dupl
1:  A     100    1500    1
2:  A    1500    1500    2
3:  A     200    1500    0
4:  B     300    2400    1
5:  B    2400    2400    2
6:  B     400    2400    0

【讨论】：

你可以通过x <- dt[rep(seq_len(.N), Dupl + 1L)]完成第二个解决方案的第一步。如果dt 很大，那么在这一步中调用dt 3 次似乎是一个很大的开销。

【参考方案5】：

你可以试试

rbind(dt,dt[Dupl==1][,c('Amount1', 'Dupl') := list(Amount2, 2)])

【讨论】：

@DavidArenburg 谢谢，我也在考虑使用您的模板代码rleid，但发现有点困难。

您如何概括这一点？例如，我的 data.table 有一个定义组的列。我想将整个组复制 N 次，其中 N 是作为某个列的函数计算的。

@skan 你能发个问题，这样更容易理解吗

【参考方案6】：

这似乎符合您的要求。大概可以细化一点……

library(splitstackshape)
expandRows(dt, dt$Dupl+1, count.is.col = FALSE)[
  Dupl != 0, Dupl := cumsum(Dupl), by = ID][
    , Amount1 := ifelse(Dupl > 1, Amount2[-1], Amount1)][]
#    ID Amount1 Amount2 Dupl
# 1:  A     100    1500    1
# 2:  A    1500    1500    2
# 3:  A     200    1500    0
# 4:  B     300    2400    1
# 5:  B    2400    2400    2
# 6:  B     400    2400    0