【问题标题】：Inserting rows before each group在每个组之前插入行
【发布时间】：2017-08-18 13:55:55
【问题描述】：

我有以下列表，我想在每组 ID 保留 ID 并将 A 和 B 设置为 1.00 之前添加一个新行。

       ID      DATEE       A      B 
   102984 2016-11-23      2.0    2.0
   140349 2016-11-23      1.5    1.5
   167109 2017-04-16      2.0    2.0
   167109 2017-06-21      1.5    1.5

最终结果：

  ID      DATEE           A      B     
  102984    NA           1.0    1.0
  102984 2016-11-23      2.0    2.0       
  140349    NA           1.0    1.0      
  140349 2016-11-23      1.5    1.5
  167109    NA           1.0    1.0             
  167109 2017-04-16      2.0    2.0       
  167109 2017-06-21      1.5    1.5

到目前为止，我使用以下代码在每个组的底部添加一个空行 do.call(rbind, by(df,df$ID,rbind,"")) 但是我无法介绍具体的当我将“”替换为值向量时，它们各自列中的值。

【问题讨论】：

相关stackoverflow.com/q/27730389，也许可以在这里考虑eddi的评论：stackoverflow.com/questions/16652533/…

标签： r

【解决方案1】：

这是tidyverse 的一个选项。我们通过'ID'获得distinct的数据集行，mutate变量'A'，'B'为1，'DATEE'为NA，然后将bind_rows行与原始数据集和@987654325绑定@ by 'ID'

library(tidyverse)
df1 %>%
  distinct(ID, .keep_all= TRUE) %>%
  mutate_at(vars("A", "B"), funs((1))) %>% 
  mutate(DATEE = NA) %>%
  bind_rows(., df1) %>%
  arrange(ID)
#     ID      DATEE   A   B
#1 102984       <NA> 1.0 1.0
#2 102984 2016-11-23 2.0 2.0
#3 140349       <NA> 1.0 1.0
#4 140349 2016-11-23 1.5 1.5
#5 167109       <NA> 1.0 1.0
#6 167109 2017-04-16 2.0 2.0
#7 167109 2017-06-21 1.5 1.5

（我假设日期格式已修复，例如，df1$DATEE = as.Date(df1$DATEE)。）

或者翻译成基础R：

new1 = data.frame(ID = unique(df1$ID), DATEE = Sys.Date()[NA_integer_], A = 1, B = 1)
tabs = list(new1, df1)
res  = do.call(rbind, tabs)
res <- res[order(res$ID), ]

#       ID      DATEE   A   B
# 1 102984       <NA> 1.0 1.0
# 4 102984 2016-11-23 2.0 2.0
# 2 140349       <NA> 1.0 1.0
# 5 140349 2016-11-23 1.5 1.5
# 3 167109       <NA> 1.0 1.0
# 6 167109 2017-04-16 2.0 2.0
# 7 167109 2017-06-21 1.5 1.5

或者用data.table：

library(data.table)
new1 = data.table(ID = unique(df1$ID), DATEE = Sys.Date()[NA_integer_], A = 1, B = 1)
tabs = list(new1, df1)
res  = rbindlist(tabs)
setorder(res)

#       ID      DATEE   A   B
#1: 102984       <NA> 1.0 1.0
#2: 102984 2016-11-23 2.0 2.0
#3: 140349       <NA> 1.0 1.0
#4: 140349 2016-11-23 1.5 1.5
#5: 167109       <NA> 1.0 1.0
#6: 167109 2017-04-16 2.0 2.0
#7: 167109 2017-06-21 1.5 1.5

还有其他一些方法：

# or let DATEE and other cols be filled as NA
library(data.table)
new1 = data.table(ID = unique(df1$ID), A = 1, B = 1)
tabs = list(df1, new1)
res  = rbindlist(tabs, fill = TRUE, idcol = "src")
setorder(res, ID, -src)
res[, src := NULL ]

# or a more compact option (assuming df1$A has no missing values)
library(data.table)
setDT(df1)[, .SD[c(.N+1, seq_len(.N))], ID][is.na(A), c("A", "B") := 1][]

【讨论】：

@Frank 感谢您的更新。我正在通话中，所以无法查看此内容

【解决方案2】：

这里有两个基于 R 的解决方案

1

根据ID分成子组，在每个子组的顶部添加一行，rbind所有内容都回到末尾。

do.call(rbind, lapply(split(df, df$ID), function(a){
    rbind(setNames(c(a$ID[1], NA, 1, 1), names(a)), a)
}))
#             ID      DATEE   A   B
#102984.1 102984       <NA> 1.0 1.0
#102984.2 102984 2016-11-23 2.0 2.0
#140349.1 140349       <NA> 1.0 1.0
#140349.2 140349 2016-11-23 1.5 1.5
#167109.1 167109       <NA> 1.0 1.0
#167109.3 167109 2017-04-16 2.0 2.0
#167109.4 167109 2017-06-21 1.5 1.5

2

或者您可以最初复制第一行（通过用 ave 标识它们），然后在每列中替换适当的值。

df = df[sort(c(1:NROW(df), which(ave(df$A, df$ID, FUN = seq_along) == 1))),]
df$DATEE = replace(df$DATEE, which(ave(df$A, df$ID, FUN = seq_along) == 1), NA)
df$A = replace(df$A, which(ave(df$A, df$ID, FUN = seq_along) == 1), 1)
df$B = replace(df$B, which(ave(df$A, df$ID, FUN = seq_along) == 1), 1)
df
#        ID      DATEE   A   B
#1   102984       <NA> 1.0 1.0
#1.1 102984 2016-11-23 2.0 2.0
#2   140349       <NA> 1.0 1.0
#2.1 140349 2016-11-23 1.5 1.5
#3   167109       <NA> 1.0 1.0
#3.1 167109 2017-04-16 2.0 2.0
#4   167109 2017-06-21 1.5 1.5

【讨论】：

【解决方案3】：

使用purrr 的另一个想法。首先，我们split()ID 的数据，然后我们使用imap（索引映射）和dfr（返回由行绑定创建的数据帧）循环每个组和add_row() 指定的值.

library(tidyverse)

df %>%
  split(.$ID) %>%
  # We don't have to specify "DATEE", absent variables get missing values
  imap_dfr(~ add_row(.x, ID = .y, A = 1, B = 1, .before = 1))

这给出了：

#      ID      DATEE   A   B
#1 102984       <NA> 1.0 1.0
#2 102984 2016-11-23 2.0 2.0
#3 140349       <NA> 1.0 1.0
#4 140349 2016-11-23 1.5 1.5
#5 167109       <NA> 1.0 1.0
#6 167109 2017-04-16 2.0 2.0
#7 167109 2017-06-21 1.5 1.5

来自文档：

imap_xxx(x, ...) 是索引映射，如果x 有名称，则为map2(x, names(x), ...) 的简写，如果没有名称，则为map2(x, seq_along(x), ...)。如果您需要同时计算值和元素的位置。

【讨论】：

【解决方案4】：

找到不重复的索引u，然后重复这些行并给出DF2。然后在DF2 中找到不重复的uu，并将 NA, 1, 1 插入除第一列之外的那些行中。没有使用任何包。

u <- !duplicated(DF$ID)
DF2 <- DF[rep(1:nrow(DF), 1 + u), ]
uu <- !duplicated(DF2$ID)
DF2[uu, -1] <- list(NA, 1, 1)

给予：

> DF2
        ID      DATEE   A   B
1   102984       <NA> 1.0 1.0
1.1 102984 2016-11-23 2.0 2.0
2   140349       <NA> 1.0 1.0
2.1 140349 2016-11-23 1.5 1.5
3   167109       <NA> 1.0 1.0
3.1 167109 2017-04-16 2.0 2.0
4   167109 2017-06-21 1.5 1.5

注意：可重现形式的输入是：

Lines <- "
     ID      DATEE       A      B 
   102984 2016-11-23      2.0    2.0
   140349 2016-11-23      1.5    1.5
   167109 2017-04-16      2.0    2.0
   167109 2017-06-21      1.5    1.5"
DF <- read.table(text = Lines, header = TRUE)

更新：已更正输出（代码正确但输出不对应）以及简化代码。

【讨论】：

【解决方案5】：

加入这个聚会，这是另一个基础 R 解决方案。我们复制行名以扩展我们的数据框，然后简单地替换值

d1 <- df[rep(rownames(df), (!duplicated(df$ID)) + 1),]
d1$DATEE <- replace(d1$DATEE, !duplicated(d1$ID), NA)
d1[-c(1:2)] <- lapply(d1[-c(1:2)], function(i) replace(i, is.na(d1$DATEE), 1))

这给了，

       ID      DATEE   A   B
1   102984       <NA> 1.0 1.0
1.1 102984 2016-11-23 2.0 2.0
2   140349       <NA> 1.0 1.0
2.1 140349 2016-11-23 1.5 1.5
3   167109       <NA> 1.0 1.0
3.1 167109 2017-04-16 2.0 2.0
4   167109 2017-06-21 1.5 1.5

【讨论】：

最后一行取决于原始表中没有合法的 NA？
@Frank 不是原版。我更新的那个DATEE
不确定我是否关注。我的意思是，使用df = data.frame(ID = 1, DATEE = Sys.Date()[NA_integer_], A = 2, B = 3)，您将覆盖我对 A 和 B 的值，因为原始日期是 NA...？
@Frank 哦，好的，我知道了。我不确定它会如何表现。我将使用duplicated 条件进行更新以确保

【解决方案6】：

我们还可以使用您想要使用的by 函数，甚至可以使用基础R 中的tapply 函数。对于tapply，请确保将INDICES 放在一个列表中，因为这是一个数据框。敌人by 没有必要将其放入列表中。因此，在下面的代码中，我们可以将by(A,A$ID... 替换为tapply(A,list(A$ID)...，两者都会得到相同的结果。

`rownames<-`(do.call(rbind,by(A,A$ID,
                  function(i) rbind(data.frame(ID=i$ID[1],DATEE=NA,A=1,B=1),i))),NULL)
      ID      DATEE   A   B
1 102984       <NA> 1.0 1.0
2 102984 2016-11-23 2.0 2.0
3 140349       <NA> 1.0 1.0
4 140349 2016-11-23 1.5 1.5
5 167109       <NA> 1.0 1.0
6 167109 2017-04-16 2.0 2.0
7 167109 2017-06-21 1.5 1.5

这不需要排序，因为这可能会扭曲数据之前的顺序。

【讨论】：

rownames<- 对于某些人来说可能很难理解。也许值得用res <- do.call...; rownames(res) <- NULL 展示详细/两行的方式。
你是对的。虽然在 R 中学习新技巧也很好。并且它应该是(rownames(res) <-NULL)，以便您能够同时查看结果。
我认为你可以使用 rbind 的参数，make.row.names = FALSE... 所以也许是do.call(rbind, c(by(...), make.row.names = FALSE)，但我不确定。你可以检查