Replicar cada fila de hoja.de.datos y especificar el número de repeticiones para cada fila

Question

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

¿Cuál es la forma más sencilla de ampliar las dos primeras columnas de la hoja.de.datos arriba, de manera que cada fila aparece el número de veces especificado en la columna 'freq'?

En otras palabras, pasar de esto:

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

A esto:

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

Answer 1

He aquí una solución:

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

Resultado:

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

Answer 2

La solución de @ neilfws funciona muy bien para data.frame s, pero no para data.table s ya que carecen de la propiedad row.names. Este enfoque funciona para ambos:

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

Para data.table pesar de que tendrá que añadir with=F y opcionalmente puede quitar df$:

dt <- data.table(df) 
dt.expanded <- dt[rep(seq(.N), freq), !"freq", with=F] 

Answer 3

Uso expandRows() del splitstackshape paquete:

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

Sintaxis simple, muy rápido, funciona en data.frame o data.table.

Resultado:

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

Answer 4

en caso de tener que hacer esta operación en muy grandes data.frames que recomendaría convertirlo en un data.table y utilizar los siguientes, que debe ejecutar mucho más rápido:

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 

ver cuánto más rápido de esta solución es:

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 

Answer 5

vieja pregunta, nuevo verbo en 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) 

e