如何在 r 中重复子集相同的行/ID

Question

我有一个巨大的数据框，其中包含匹配的案例控制主题。匹配的 case:control 是 1:3。我正在尝试重新采样案例 ID，然后提取相应的控件。

所以，我有一个 id 向量，其中的 id 可以重复。我想为向量的每个 id 提取案例和控件的数据。案例和匹配控件具有相同的 case_num。 %in% 始终从数据中获取唯一 ID。我已经使用 llply 来做到这一点。大约需要 2.5 秒。有没有其他有效的方法？

我包括一个简单的例子和​​我对这个问题的解决方案。

在我的例子中，id 向量在 1921 年的长度，该函数必须提取控件 1921 次。因此，如果时间可以减少一秒钟，实际上会很多，而我将整个过程重复 1000 次。谢谢！

test_data=     

data.frame(id=c(1,1,2,4,4,5,6),value=c('g','e','r','j','a','b','c'))

test_data
id value
1  1     g
2  1     e
3  2     r
4  4     j
5  4     a
6  5     b
7  6     c



id_vec= c(1,4,1,5)

library(plyr)
newdata.list=llply(id_vec, function(x) test_data[test_data$id==x,])

## or if we make our data a data.table then
library(data.table)
test_data= data.table(test_data)

newdata.list=llply(id_vec, function(x) test_data[id==x])

library(dplyr)
newdata.frame= bind_rows(newdata.list) ### making it a dataframe
newdata.frame
    id value
1:  1     g
2:  1     e
3:  4     j
4:  4     a
5:  1     g
6:  1     e
7:  5     b

Answer 1

首先将您的数据框拆分为每个 id 的数据框列表：

split_data = split(test_data, test_data$id)

我的猜测是你可以在这里停下来处理这个列表，其中每个 id 分别包含，但只有一次。但是，如果您确实需要 id_vec 中每次重复的数据副本，只需使用列表索引：

result = split_data[id_vec]

---

如果最后你要重新组合成一个数据框，这是非常浪费的。它涉及复制整个数据，而真正需要的是行号。如果我理解正确，您的示例很差，因为案例编号在数据中重复，而您的示例数据具有唯一的ids。这是一种方法，在数据和id_vec 中重复ids 以重新采样数据而不复制数据框：

## new example data
test_data2 = data.frame(id=c(1, 1, 2, 3, 3, 4), value=c('g','e','r','j','a','b'))
id_vec2 = c(3, 1, 2, 3, 4, 1)

rows = lapply(id_vec2, FUN = function(x) which(test_data2$id == x))    
result = test_data2[unlist(rows), ]
result
#     id value
# 4    3     j
# 5    3     a
# 1    1     g
# 2    1     e
# 3    2     r
# 4.1  3     j
# 5.1  3     a
# 6    4     b
# 1.1  1     g
# 2.1  1     e