dplyr group_by के साथ अनुकरण स्प्लिट(): डेटा फ्रेम की एक सूची लौटाएं

Question

मेरे पास एक बड़ा डेटासेट है जो आर में split() चुटकता है। मैं dplyr group_by (जो वैसे भी पसंदीदा तरीका है) का उपयोग करने में सक्षम हूं लेकिन मैं लगातार बने रहने में असमर्थ हूं परिणामी grouped_df डेटा फ्रेम की सूची के रूप में, मेरे लगातार प्रोसेसिंग चरणों द्वारा आवश्यक एक प्रारूप (मुझे SpatialDataFrames और इसी तरह के लिए मजबूर होना आवश्यक है)।

एक नमूना डेटासेट पर विचार करें:

df = as.data.frame(cbind(c("a","a","b","b","c"),c(1,2,3,4,5), c(2,3,4,2,2))) 
listDf = split(df,df$V1) 

रिटर्न

$a 
    V1 V2 V3 
1 a 1 2 
2 a 2 3 

$b 
    V1 V2 V3 
3 b 3 4 
4 b 4 2 

$c 
    V1 V2 V3 
5 c 5 2 

मैं साथ group_by (group_by(df,V1) की तरह कुछ) इस अनुकरण करने के लिए चाहते हैं, लेकिन यह एक, grouped_df देता है। मुझे पता है कि do मेरी मदद करने में सक्षम होना चाहिए, लेकिन मैं उपयोग को लेकर अनिश्चित हूं (यह भी एक चर्चा के लिए link देखें।)

ध्यान दें कि ऐसे नाम हैं जो इस समूह की स्थापना के लिए इस्तेमाल किया गया है कारक के नाम से प्रत्येक सूची विभाजित - यह एक वांछित कार्य है (अंत में, इन नामों को डीएफएस की सूची से निकालने के लिए बोनस कुडोस)।

Answer 1

'छड़ी' करने के लिए dplyr लिए, आप भी plyrsplit के बजाय का उपयोग कर सकते हैं: के रूप में आप नया स्तंभ नाम के रूप में लंबे do का उपयोग कर group_by से

library(plyr) 

dlply(df, "V1", identity) 
#$a 
# V1 V2 V3 
#1 a 1 2 
#2 a 2 3 

#$b 
# V1 V2 V3 
#1 b 3 4 
#2 b 4 2 

#$c 
# V1 V2 V3 
#1 c 5 2 

Answer 2

आप डेटा फ्रेम की एक सूची प्राप्त कर सकते हैं जहां डाटा फ्रेम संग्रहीत किए जाएंगे और फिर उस कॉलम को lapply में पाइप करें।

listDf = df %>% group_by(V1) %>% do(vals=data.frame(.)) %>% select(vals) %>% lapply(function(x) {(x)}) 
listDf[[1]] 
#[[1]] 
# V1 V2 V3 
#1 a 1 2 
#2 a 2 3 

#[[2]] 
# V1 V2 V3 
#1 b 3 4 
#2 b 4 2 

#[[3]] 
# V1 V2 V3 
#1 c 5 2 

Answer 3

आधार, plyr और dplyr समाधान की तुलना करना, यह अभी भी आधार एक बहुत तेजी से है लगता है!

df <- data_frame(Group1=rep(LETTERS, each=1000), 
      Group2=rep(rep(1:10, each=100),26), 
      Value=rnorm(26*1000)) 

library(plyr) 
library(dlyr) 
library(dlyr) 

microbenchmark(Base=df %>% 
      split(.$Group2, .$Group1), 
      dplyr=df %>% 
      group_by(Group1, Group2) %>% 
      do(data = (.)) %>% 
      select(data) %>% 
      lapply(function(x) {(x)}) %>% .[[1]], 
      plyr=dlply(df, c("Group1", "Group2"), as.tbl), 
      times=50) 

देता है:

Unit: milliseconds 
    expr  min  lq  mean median  uq  max neval 
    Base 1.898213 1.977818 2.056877 2.032882 2.077582 2.729119 50 
dplyr 30.967926 31.502983 33.289824 32.029863 33.135550 48.245150 50 
    plyr 47.702301 49.033336 51.915533 50.961585 54.407141 65.961197 50