Wiederholen Sie jede Datenzeile so oft, wie in einer Spalte angegeben

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'),
                 freq = 1:3)

Was ist der einfachste Weg, um jede Zeile um die ersten beiden Spalten des obigen Datenrahmens zu erweitern, sodass jede Zeile so oft wiederholt wird, wie in der Spalte 'freq' angegeben?

Mit anderen Worten, gehen Sie davon aus:

df
  var1 var2 freq
1    a    d    1
2    b    e    2
3    c    f    3

Dazu:

df.expanded
  var1 var2
1    a    d
2    b    e
3    b    e
4    c    f
5    c    f
6    c    f

Hier ist eine Lösung:

df.expanded <- df[rep(row.names(df), df$freq), 1:2]

Ergebnis:

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

alte Frage, neues Verb in tidyverse:

library(tidyr) # version >= 0.8.0
df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
df %>% 
  uncount(freq)

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

Verwendung expandRows()aus der splitstackshapePackung:

library(splitstackshape)
expandRows(df, "freq")

Einfache Syntax, sehr schnell, funktioniert auf data.frameoder data.table.

Ergebnis:

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

Die Lösung von @ neilfws funktioniert hervorragend für data.frames, aber nicht für data.tables, da ihnen die row.namesEigenschaft fehlt . Dieser Ansatz funktioniert für beide:

df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]

Der Code für data.tableist ein bisschen sauberer:

# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]

Falls Sie diesen Vorgang für sehr große data.frames ausführen müssen, würde ich empfehlen, ihn in eine data.table zu konvertieren und Folgendes zu verwenden, das viel schneller ausgeführt werden sollte:

library(data.table)
dt <- data.table(df)
dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")]
dt.expanded[ ,freq := NULL]
dt.expanded

Sehen Sie, wie viel schneller diese Lösung ist:

df <- data.frame(var1=1:2e3, var2=1:2e3, freq=1:2e3)
system.time(df.exp <- df[rep(row.names(df), df$freq), 1:2])
##    user  system elapsed 
##    4.57    0.00    4.56
dt <- data.table(df)
system.time(dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")])
##    user  system elapsed 
##    0.05    0.01    0.06

Eine weitere dplyrAlternative, bei der slicewir jede Zeile freqmehrmals wiederholen

library(dplyr)

df %>%  
  slice(rep(seq_len(n()), freq)) %>% 
  select(-freq)

#  var1 var2
#1    a    d
#2    b    e
#3    b    e
#4    c    f
#5    c    f
#6    c    f

seq_len(n()) Teil kann durch eines der folgenden ersetzt werden.

df %>% slice(rep(1:nrow(df), freq)) %>% select(-freq)
#Or
df %>% slice(rep(row_number(), freq)) %>% select(-freq)
#Or
df %>% slice(rep(seq_len(nrow(.)), freq)) %>% select(-freq)

Eine andere Möglichkeit ist die Verwendung von tidyr::expand:

library(dplyr)
library(tidyr)

df %>% group_by_at(vars(-freq)) %>% expand(temp = 1:freq) %>% select(-temp)

#> # A tibble: 6 x 2
#> # Groups:   var1, var2 [3]
#>   var1  var2 
#>   <fct> <fct>
#> 1 a     d    
#> 2 b     e    
#> 3 b     e    
#> 4 c     f    
#> 5 c     f    
#> 6 c     f

Einzeilige Version von vonjds Antwort :

library(data.table)

setDT(df)[ ,list(freq=rep(1,freq)),by=c("var1","var2")][ ,freq := NULL][]

#>    var1 var2
#> 1:    a    d
#> 2:    b    e
#> 3:    b    e
#> 4:    c    f
#> 5:    c    f
#> 6:    c    f

^{Erstellt am 21.05.2019 durch das reprex-Paket (v0.2.1)}

Ich weiß, dass dies nicht der Fall ist, aber wenn Sie die ursprüngliche Freq-Spalte beibehalten müssen, können Sie einen anderen tidyverseAnsatz verwenden, zusammen mit rep:

library(purrr)

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3)

df %>% 
  map_df(., rep, .$freq)
#> # A tibble: 6 x 3
#>   var1  var2   freq
#>   <fct> <fct> <int>
#> 1 a     d         1
#> 2 b     e         2
#> 3 b     e         2
#> 4 c     f         3
#> 5 c     f         3
#> 6 c     f         3

^{Erstellt am 21.12.2019 vom reprex-Paket (v0.3.0)}