创建从 0 到表变量中的值的新列答案

【问题标题】：Creating new columns that go from 0 to the value in the variable of a table创建从 0 到表变量中的值的新列
【发布时间】：2019-05-21 17:24:14
【问题描述】：

Reproducible tibble：我有一个类似于下图所示的数据库。不同之处在于我正在使用的数据库要大得多。

general_tibble <- tibble(gender = c("female", "female", "male"),
                             age = c(18, 19,18),
                             age_partner = c(22,20,17),
                             max_age = c(60, 60, 65), 
                             nrs =c(42,41,47))

general_tibble 结果：

  gender age age_partner max_age nrs
1 female  18          22      60  42
2 female  19          20      60  41
3   male  18          17      65  47

问题： 如何从以前的表中创建一个新表，其值为 nrs，并创建一个名为 n 的列变量，该变量从 0 变为 nrs 中的值？

为了进一步说明，在general_tibble 的第 1 行中，nrs 列等于 42，因此该列将从 0 变为 42，在第 2 行中，nrs 等于 41，因此该列将从 0 变为到 41，第 3 行也一样。

我目前正在使用下面的代码。它可以工作，但是当general_tibble 太大时，代码执行起来很慢。

general_list <- list()

for(i in 1:NROW(general_tibble)){
  general_list[[i]] <- data.frame(general_tibble[i, ], 
                             n = 0:general_tibble[[i, "nrs"]])
}

然后我bind_rows()general_list获取general_binded

general_binded <- bind_rows(general_list)

general_binded[c(1:5, 38:42),] 结果：

   gender age age_partner max_age nrs  n
1  female  18          22      60  42  0
2  female  18          22      60  42  1
3  female  18          22      60  42  2
4  female  18          22      60  42  3
5  female  18          22      60  42  4
38 female  18          22      60  42 37
39 female  18          22      60  42 38
40 female  18          22      60  42 39
41 female  18          22      60  42 40
42 female  18          22      60  42 41

PS： 在 for 循环中，我使用 data.frame() 而不是 tibble()，因为我想回收这些行。如果你有一些涉及小标题或数据框的建议，我很乐意接受。

【问题讨论】：

标签： r dplyr tidyverse tibble

【解决方案1】：

解决这个问题的最简单方法是使用 tidyr::expand() 函数在 nrs 列上扩展 general_tibble：

library(tidyverse)

general_tibble %>% 
        group_by_all()%>% 
        expand(n = 0:nrs)

#> # A tibble: 133 x 6
#> # Groups:   gender, age, age_partner, max_age, nrs [3]
#>    gender   age age_partner max_age   nrs     n
#>    <chr>  <dbl>       <dbl>   <dbl> <dbl> <int>
#>  1 female    18          22      60    42     0
#>  2 female    18          22      60    42     1
#>  3 female    18          22      60    42     2
#>  4 female    18          22      60    42     3
#>  5 female    18          22      60    42     4
#>  6 female    18          22      60    42     5
#>  7 female    18          22      60    42     6
#>  8 female    18          22      60    42     7
#>  9 female    18          22      60    42     8
#> 10 female    18          22      60    42     9
#> # ... with 123 more rows

^{由reprex package (v0.2.1) 于 2019 年 5 月 21 日创建}

仅使用 base R 函数的另一个想法：

expanded_vars <- do.call(rbind,lapply(general_tibble$nrs, 
                                              function(x) expand.grid(x, 0:x)))
names(expanded_vars) <- c("nrs", "n")

merge(y = expanded_vars, x = general_tibble, by = "nrs", all = TRUE)

【讨论】：

嗨，group_by_all() %>% expand() 效果很好。但是，我现在面临的问题是扩展大约 600,000 行的 tibble 大约需要 15 分钟。你有什么建议？
@DennisAguilar 试一试 Toucan 的 data.table 解决方案，因为 data.table 通常更快。目前的另一个想法是在分组、扩展和行绑定之后拆分（不确定这是否有帮助）。

【解决方案2】：

使用data.table 与tidyverse 的一个好处是，您无需考虑操作是mutate、expand 还是summarize。你可以把你想要的东西放在df[i, j, k] 的j 部分，不管解析到多少行，这就是你得到的。

library(data.table)
setDT(general_tibble)

general_tibble[, .(n = seq(0, nrs))
               , by = names(general_tibble)]


#      gender age age_partner max_age nrs  n
#   1: female  18          22      60  42  0
#   2: female  18          22      60  42  1
#   3: female  18          22      60  42  2
#   4: female  18          22      60  42  3
#   5: female  18          22      60  42  4
#  ---                                      
# 129:   male  18          17      65  47 43
# 130:   male  18          17      65  47 44
# 131:   male  18          17      65  47 45
# 132:   male  18          17      65  47 46
# 133:   male  18          17      65  47 47

【讨论】：

【解决方案3】：

我们可能会使用uncount

library(tidyverse)
general_tibble %>% 
   mutate(grp = row_number(), nrsN = nrs + 1) %>% 
   uncount(nrsN) %>%
   group_by(grp) %>% 
   mutate(n = row_number() - 1) %>%
   ungroup %>%
   select(-grp)
# A tibble: 133 x 6
#   gender   age age_partner max_age   nrs     n
#   <chr>  <dbl>       <dbl>   <dbl> <dbl> <dbl>
# 1 female    18          22      60    42     0
# 2 female    18          22      60    42     1
# 3 female    18          22      60    42     2
# 4 female    18          22      60    42     3
# 5 female    18          22      60    42     4
# 6 female    18          22      60    42     5
# 7 female    18          22      60    42     6
# 8 female    18          22      60    42     7
# 9 female    18          22      60    42     8
#10 female    18          22      60    42     9
# … with 123 more rows

另一个选项是unnest

general_tibble %>% 
   mutate(n = map(nrs+1, ~  seq(.x) - 1)) %>%
   unnest

【讨论】：

【解决方案4】：

使用dplyr 和tidyr，您还可以：

general_tibble %>%
 group_by(rowid = row_number()) %>%
 mutate(n = nrs) %>%
 complete(n = seq(0, n, 1)) %>%
 fill(everything(), .direction = "up") %>%
 ungroup() %>%
 select(-rowid)

       n gender   age age_partner max_age   nrs
   <dbl> <chr>  <dbl>       <dbl>   <dbl> <dbl>
 1     0 female    18          22      60    42
 2     1 female    18          22      60    42
 3     2 female    18          22      60    42
 4     3 female    18          22      60    42
 5     4 female    18          22      60    42
 6     5 female    18          22      60    42
 7     6 female    18          22      60    42
 8     7 female    18          22      60    42
 9     8 female    18          22      60    42
10     9 female    18          22      60    42

【讨论】：

【解决方案5】：

使用基础 R 的一种方式（减去 tibble 包）。

首先，按nrs 分组。其次，通过nrs 值扩展每个数据帧的行。第三，创建一个id 列，表示 0：任意行数。四、带回tibble：

library(tibble)

df <- tibble(
  gender      = c("female", "female", "male"),
  age         = c(18, 19, 18),
  age_partner = c(22, 20, 17),
  max_age     = c(60, 60, 65), 
  nrs         = c(42, 41, 47)
  )

nrs_split <- split(df, df$nrs)
df_list <- lapply(nrs_split, function(i) i[rep(seq_len(nrow(i)), each=i$nrs + 1), ])
df_renum <- lapply(df_list, function(i) {i$id <- 0:rle(i$nrs)$values; return(i)})
df <- do.call("rbind", df_renum)
df
#> # A tibble: 133 x 6
#>    gender   age age_partner max_age   nrs    id
#>  * <chr>  <dbl>       <dbl>   <dbl> <dbl> <int>
#>  1 female    19          20      60    41     0
#>  2 female    19          20      60    41     1
#>  3 female    19          20      60    41     2
#>  4 female    19          20      60    41     3
#>  5 female    19          20      60    41     4
#>  6 female    19          20      60    41     5
#>  7 female    19          20      60    41     6
#>  8 female    19          20      60    41     7
#>  9 female    19          20      60    41     8
#> 10 female    19          20      60    41     9
#> # … with 123 more rows

【讨论】：