在列中的每个重复点拆分数据框答案

【问题标题】：split dataframe at each repeating point in a column在列中的每个重复点拆分数据框
【发布时间】：2017-06-30 09:09:22
【问题描述】：

我有一个数据框

df<-data.frame(var1=c(1:11),I_var1=c(11:21),
               var2=c(rep(c(0,0.1),each=5),0.1),var4=c(rep(c(0:4),2),4))

var1 I_var1 var2 var4
  1     11  0.0    0
  2     12  0.0    1
  3     13  0.0    2
  4     14  0.0    3
  5     15  0.0    4
  6     16  0.1    0
  7     17  0.1    1
  8     18  0.1    2
  9     19  0.1    3
 10     20  0.1    4
 11     21  0.1    4

我必须在特定数字的每个重复单元格处拆分，即 df$var4==4

我试过了-

X <- split(df,cut(df$var4,4))

但这给出了错误的结果。我想要的是- 2 个数据帧（或列表作为拆分给出列表），其中 var4 介于 0 和 4 之间。第二个数据帧应该有两行 var4==4。

我不想使用子集，因为原始数据帧有 >1000 万条记录。

我如何做到这一点并且速度非常快？

【问题讨论】：

它应该是什么样子？
2 个包含所有列的列表，但 var4 应该是 0:4，因为我想在每次 var4 列中出现 4 时剪切

标签： r dataframe split

【解决方案1】：

简单地说：

split(df,duplicated(df$var4))

$`FALSE`
  var1 I_var1 var2 var4
1    1     11    0    0
2    2     12    0    1
3    3     13    0    2
4    4     14    0    3
5    5     15    0    4

$`TRUE`
   var1 I_var1 var2 var4
6     6     16  0.1    0
7     7     17  0.1    1
8     8     18  0.1    2
9     9     19  0.1    3
10   10     20  0.1    4
11   11     21  0.1    4

【讨论】：

【解决方案2】：

这个

library(data.table)
library(dplyr)

df<-data.frame(var1=c(1:11),I_var1=c(11:21),
               var2=c(rep(c(0,0.1),each=5),0.1),var4=c(rep(c(0:4),2),4))

cuts <- which(df$var4==0)
cuts <- c(cuts,nrow(df))
df <- as.data.table(df)
df[,nrow:=.I]
intervals <- list()
for(i in 1:(length(cuts)-1)){ # i <- 1
  intervals[[i]] <- seq(cuts[i],cuts[i+1]-1,1) 
}
intervals[[i]] <- c(intervals[[i]],max(intervals[[i]])+1)


list <- list()
for(i in 1:length(intervals)){ # i <- 1
  list[[i]] <- df[nrow%in%intervals[[i]],]
}

作为输出给出

> list
[[1]]
   var1 I_var1 var2 var4 nrow
1:    1     11    0    0    1
2:    2     12    0    1    2
3:    3     13    0    2    3
4:    4     14    0    3    4
5:    5     15    0    4    5

[[2]]
   var1 I_var1 var2 var4 nrow
1:    6     16  0.1    0    6
2:    7     17  0.1    1    7
3:    8     18  0.1    2    8
4:    9     19  0.1    3    9
5:   10     20  0.1    4   10
6:   11     21  0.1    4   11

更新

或者更短

library(data.table)
library(dplyr)

df<-data.frame(var1=c(1:11),I_var1=c(11:21),
               var2=c(rep(c(0,0.1),each=5),0.1),var4=c(rep(c(0:4),2),4))

cuts <- which(df$var4==0)
df <- as.data.table(df)
df[,nrow:=.I]
list <- list()
for(i in 1:length(cuts)){ # i <- 2
 if(i==length(cuts)){
   list[[i]] <- df[nrow%in%c(cuts[i]:nrow(df)),]
 }else{
   list[[i]] <- df[nrow%in%c(cuts[i]:(cuts[i+1]-1)),]
 } 
}

【讨论】：

【解决方案3】：

（不确定，如果我完全理解你的话..）

df<-data.frame(var1=c(1:11),I_var1=c(11:21),
               var2=c(rep(c(0,0.1),each=5),0.1),var4=c(rep(c(0:4),2),4))

df$lagvar4<-c(0,df$var4[-length(df$var4)])
split(df[!(colnames(df) %in% c("var4","lagvar4"))],cumsum(df$lagvar4==4))

【讨论】：

@P Lapointe 谢谢！！我不知道这个重复的功能！真的很有帮助。

【解决方案4】：

这是dplyr 解决方案：

df <- data.frame(var1=c(1:11),I_var1=c(11:21),
           var2=c(rep(c(0,0.1),each=5),0.1),var4=c(rep(c(0:4),2),4))

df %>% 
  group_by(var4) %>% 
  mutate(split = row_number()) %>% 
  split(., f = .$split)

【讨论】：