我想将一个数据框分成几个较小的数据框。这似乎是一个非常琐碎的问题,但是我在网络搜索中找不到解决方案。
您可能还希望将数据框切割成任意数量的较小数据框。在这里,我们将其分为两个数据框。
x = data.frame(num = 1:26, let = letters, LET = LETTERS)
set.seed(10)
split(x, sample(rep(1:2, 13)))
提供
$`1`
num let LET
3 3 c C
6 6 f F
10 10 j J
12 12 l L
14 14 n N
15 15 o O
17 17 q Q
18 18 r R
20 20 t T
21 21 u U
22 22 v V
23 23 w W
26 26 z Z
$`2`
num let LET
1 1 a A
2 2 b B
4 4 d D
5 5 e E
7 7 g G
8 8 h H
9 9 i I
11 11 k K
13 13 m M
16 16 p P
19 19 s S
24 24 x X
25 25 y Y
您还可以根据现有列来拆分数据框。例如,要基于mtcars
中的cyl
列创建三个数据框:
split(mtcars,mtcars$cyl)
plyr
包中的daply()
函数。library(plyr)
x <- daply(df, .(splitting_variable), function(x)return(x))
现在,x
是一个包含多个数据框的数组。要访问其中一个数据框,您可以使用分割变量级别的名称对其进行索引。
x$Level1
#or
x[["Level1"]]
在将数据拆分成多个数据帧之前,我会确保没有其他更聪明的方法来处理您的数据。
dlply
,但是它没有根据分组变量自动命名条目。我不记得我最初是怎么做的,但显然除非指定一个函数,否则daply
无法工作。我编辑了答案使其能够工作。 - JoFrhwld你也可以使用
data2 <- data[data$sum_points == 2500, ]
这将创建一个数据框,其中包含 sum_points = 2500 的值。
它给出:
airfoils sum_points field_points init_t contour_t field_t
...
491 5 2500 5625 0.000086 0.004272 6.321774
498 5 2500 5625 0.000087 0.004507 6.325083
504 5 2500 5625 0.000088 0.004370 6.336034
603 5 250 10000 0.000072 0.000525 1.111278
577 5 250 10000 0.000104 0.000559 1.111431
587 5 250 10000 0.000072 0.000528 1.111524
606 5 250 10000 0.000079 0.000538 1.111685
....
> data2 <- data[data$sum_points == 2500, ]
> data2
airfoils sum_points field_points init_t contour_t field_t
108 5 2500 625 0.000082 0.004329 0.733109
106 5 2500 625 0.000102 0.004564 0.733243
117 5 2500 625 0.000087 0.004321 0.733274
112 5 2500 625 0.000081 0.004428 0.733587
我刚刚发布了一份可能会对你有帮助的RFC:如何在R中将向量分成块
x = data.frame(num = 1:26, let = letters, LET = LETTERS)
## number of chunks
n <- 2
dfchunk <- split(x, factor(sort(rank(row.names(x))%%n)))
dfchunk
$`0`
num let LET
1 1 a A
2 2 b B
3 3 c C
4 4 d D
5 5 e E
6 6 f F
7 7 g G
8 8 h H
9 9 i I
10 10 j J
11 11 k K
12 12 l L
13 13 m M
$`1`
num let LET
14 14 n N
15 15 o O
16 16 p P
17 17 q Q
18 18 r R
19 19 s S
20 20 t T
21 21 u U
22 22 v V
23 23 w W
24 24 x X
25 25 y Y
26 26 z Z
您好,Sebastian
newdf <- mydf[,1:3]
newdf <- mydf[1:3,]
这些下标也可以是逻辑测试,比如选择包含特定值的行或具有所需值的因子。
你想对剩余的块做什么?需要在数据库的每个块上执行相同的操作吗?那么你需要确保数据框的子集最终以方便的对象(例如列表)形式出现,这将帮助你在数据框的每个块上执行相同的命令。
subset()
也非常有用:
subset(DATAFRAME, COLUMNNAME == "")
对于调查包,也许survey
包是相关的?
如果你想按照某一列的值进行拆分,可以使用lapply
函数。例如,要将ChickWeight
按每只小鸡拆分为单独的数据集:
data(ChickWeight)
lapply(unique(ChickWeight$Chick), function(x) ChickWeight[ChickWeight$Chick == x,])
将数据框拆分似乎是适得其反的。相反,使用拆分-应用-组合范式,例如,生成一些数据。
df = data.frame(grp=sample(letters, 100, TRUE), x=rnorm(100))
然后仅拆分相关列,并在每个组中对 x 应用 scale()
函数,最后将结果合并 (使用 split<-
或 ave
)。
df$z = 0
split(df$z, df$grp) = lapply(split(df$x, df$grp), scale)
## alternative: df$z = ave(df$x, df$grp, FUN=scale)
与拆分数据框相比,这将会非常快速,并且结果在下游分析中仍然可用而无需迭代。我认为dplyr的语法是
library(dplyr)
df %>% group_by(grp) %>% mutate(z=scale(x))
通常情况下,这个dplyr解决方案比分离数据框快,但不如分离应用合并(split-apply-combine)快。
split()
函数,但是通过使用dplyr
中的ntile()
函数来将数据划分为等分位数,并根据组索引(“四分位数”)筛选所需数据,达到了我想要的效果:group = df[df$quartile==i,]
。 - jozxyqk