如何在R中的每一行之间添加一行?

时间:2016-11-28 15:02:02

标签: r dataframe row

我正试图找出如何在data.frame中的每一行之间添加一行。例如:

xdf <- data.frame(name = c(letters[1:5]),
              w1 = runif(5, min = 1, max = 10),
              w2 = runif(5, min = 10, max = 20))

name       w1       w2
1    a 7.217998 14.51789
2    b 6.583311 13.01331
3    c 1.655201 18.83256
4    d 1.117273 19.81330
5    e 2.925724 13.21518

所以,我们假设我们的行只是第5行是e而我所说的是:

name       w1       w2
1    a 7.217998 14.51789
     e 2.925724 13.21518
2    b 6.583311 13.01331
     e 2.925724 13.21518
3    c 1.655201 18.83256
     e 2.925724 13.21518
4    d 1.117273 19.81330
     e 2.925724 13.21518
5    e 2.925724 13.21518

提前致谢。

3 个答案:

答案 0 :(得分:6)

我们可以rbind具有最后一行(nrow)的行序列,连接(c),使用它来对数据集进行子集化,删除最后一行{{1并将行名称设置为NULL。

head

答案 1 :(得分:4)

您可以使用基础的applyrbind组合:

do.call(rbind,apply(xdf, 1,function(x) rbind(x,xdf[5,])))

答案 2 :(得分:3)

你也可以使用矩阵索引来做同样的事情:

m <- matrix(NA, nrow = nrow(xdf)*2-1, ncol = ncol(xdf), dimnames = list(NULL, names(xdf)))
m[c(T,F),] <- as.matrix(xdf) # odd indices
m[c(F,T),] <- as.matrix(xdf[rep(5, nrow(xdf)-1),]) # even indices
data.frame(m)

  # name       w1       w2
# 1    a 7.217998 14.51789
# 2    e 2.925724 13.21518
# 3    b 6.583311 13.01331
# 4    e 2.925724 13.21518
# 5    c 1.655201 18.83256
# 6    e 2.925724 13.21518
# 7    d 1.117273 19.81330
# 8    e 2.925724 13.21518
# 9    e 2.925724 13.21518

<强>基准

library(microbenchmark)
set.seed(1)
xdf <- data.frame(name = c(letters[1:5]),
              w1 = runif(5, min = 1, max = 10),
              w2 = runif(5, min = 10, max = 20))

f_989 <- function(xdf){
    m <- matrix("", nrow = nrow(xdf)*2-1, ncol = ncol(xdf), 
dimnames = list(NULL, names(xdf)))
    m[c(T,F),] <- as.matrix(xdf)
    m[c(F,T),] <- as.matrix(xdf[rep(5, 4),])
    data.frame(m)
}

f_akrun <- function(xdf) `row.names<-`(head(xdf[c(rbind(1:nrow(xdf), 
nrow(xdf))),],-1), NULL)

f_jamieRowen <- function(xdf) do.call(rbind,apply(xdf, 1,function(x) rbind(x,xdf[5,])))

microbenchmark(f_akrun(xdf), f_989(xdf), f_jamieRowen(xdf))

# Unit: microseconds
              # expr      min        lq      mean   median       uq      max neval
      # f_akrun(xdf)   89.240  109.3715  118.7190  113.879  126.348  248.188   100
        # f_989(xdf)  417.353  447.4000  495.6733  459.869  482.555 1521.879   100
 # f_jamieRowen(xdf) 1216.902 1262.1230 1303.2455 1298.930 1332.883 1471.100   100
相关问题