Répéter les lignes d'un data.frame

Question

Je veux répéter les lignes d'un data.frame, chaque N fois. Le résultat devrait être un nouveau data.frame (avec nrow(new.df) == nrow(old.df) * N ) en conservant les types de données des colonnes.

Exemple pour N = 2 :

                        A B   C
  A B   C             1 j i 100
1 j i 100     -->     2 j i 100
2 K P 101             3 K P 101
                      4 K P 101

Ainsi, chaque ligne est répétée 2 fois et les caractères restent les caractères, les facteurs restent les facteurs, les chiffres restent les chiffres, ...

Ma première tentative d'utilisation de l'application : apply(old.df, 2, function(co) rep(co, each = N)) Mais celui-ci transforme mes valeurs en caractères et j'obtiens :

     A   B   C    
[1,] "j" "i" "100"
[2,] "j" "i" "100"
[3,] "K" "P" "101"
[4,] "K" "P" "101"

Answer 1

A titre de référence et pour compléter les réponses citant mefa, il peut être intéressant de jeter un coup d'œil sur l'implémentation de mefa::rep.data.frame() au cas où vous ne souhaiteriez pas inclure l'ensemble du paquet :

> data <- data.frame(a=letters[1:3], b=letters[4:6])
> data
  a b
1 a d
2 b e
3 c f
> as.data.frame(lapply(data, rep, 2))
  a b
1 a d
2 b e
3 c f
4 a d
5 b e
6 c f

Answer 2

La fonction rep.row semble parfois créer des listes pour les colonnes, ce qui entraîne des problèmes de mémoire. J'ai écrit ce qui suit et qui semble bien fonctionner :

library(plyr)
rep.row <- function(r, n){
  colwise(function(x) rep(x, n))(r)
}

Answer 3

Ma solution est similaire à mefa:::rep.data.frame mais un peu plus rapide et qui se soucie des noms de lignes :

rep.data.frame <- function(x, times) {
    rnames <- attr(x, "row.names")
    x <- lapply(x, rep.int, times = times)
    class(x) <- "data.frame"
    if (!is.numeric(rnames))
        attr(x, "row.names") <- make.unique(rep.int(rnames, times))
    else
        attr(x, "row.names") <- .set_row_names(length(rnames) * times)
    x
}

Comparer les solutions :

library(Lahman)
library(microbenchmark)
microbenchmark(
    mefa:::rep.data.frame(Batting, 10),
    rep.data.frame(Batting, 10),
    Batting[rep.int(seq_len(nrow(Batting)), 10), ],
    times = 10
)
#> Unit: milliseconds
#>                                            expr       min       lq     mean   median        uq       max neval cld
#>              mefa:::rep.data.frame(Batting, 10) 127.77786 135.3480 198.0240 148.1749  278.1066  356.3210    10  a 
#>                     rep.data.frame(Batting, 10)  79.70335  82.8165 134.0974  87.2587  191.1713  307.4567    10  a 
#>  Batting[rep.int(seq_len(nrow(Batting)), 10), ] 895.73750 922.7059 981.8891 956.3463 1018.2411 1127.3927    10   b

Answer 4

Essayez d'utiliser par exemple

N=2
rep(1:4, each = N) 

en tant qu'index

Answer 5

Une autre façon de procéder serait d'obtenir d'abord les indices des lignes, d'ajouter des copies supplémentaires de la base de données, puis de classer les données en fonction des indices :

df$index = 1:nrow(df)
df = rbind(df,df)
df = df[order(df$index),][,-ncol(df)]

Bien que les autres solutions soient plus courtes, cette méthode peut être plus avantageuse dans certaines situations.