web-dev-qa-db-fra.com

Fractionner data.frame basé sur les niveaux d'un facteur dans de nouveaux data.frames

J'essaie de créer des objets data.frame Séparés en fonction des niveaux d'un facteur. Donc si j'ai:

df <- data.frame(
  x=rnorm(25),
  y=rnorm(25),
  g=rep(factor(LETTERS[1:5]), 5)
)

comment puis-je diviser df en data.frame s distincts pour chaque niveau de g contenant les valeurs correspondantes x et y? Je peux obtenir la plupart du chemin en utilisant split(df, df$g), mais j'aimerais que chaque niveau du facteur ait son propre data.frame. Quelle est la meilleure façon de procéder?

Merci.

rr-faq
43
smillig

Je pense que split fait exactement ce que vous voulez.

Notez que X est une liste de trames de données, vue par str:

X <- split(df, df$g)
str(X)

Si vous voulez un objet individuel avec les noms de groupe g, vous pouvez affecter les éléments de X de split aux objets de ces noms, bien que cela semble être un travail supplémentaire lorsque vous pouvez simplement indexer les blocs de données de la liste split crée.

#I used lapply just to drop the third column g which is no longer needed.
Y <- lapply(seq_along(X), function(x) as.data.frame(X[[x]])[, 1:2]) 

#Assign the dataframes in the list Y to individual objects
A <- Y[[1]]
B <- Y[[2]]
C <- Y[[3]]
D <- Y[[4]]
E <- Y[[5]]

#Or use lapply with assign to assign each piece to an object all at once
lapply(seq_along(Y), function(x) {
    assign(c("A", "B", "C", "D", "E")[x], Y[[x]], envir=.GlobalEnv)
    }
)

Edit Ou encore mieux que d'utiliser lapply pour attribuer à l'environnement global utiliser list2env:

names(Y) <- c("A", "B", "C", "D", "E")
list2env(Y, envir = .GlobalEnv)
A
81
Tyler Rinker

Puisque dplyr 0.8.0, nous pouvons également utiliser group_split qui a un comportement similaire à base::split

library(dplyr)
df %>% group_split(g)

#[[1]]
# A tibble: 5 x 3
#       x      y g    
#   <dbl>  <dbl> <fct>
#1 -1.21  -1.45  A    
#2  0.506  1.10  A    
#3 -0.477 -1.17  A    
#4 -0.110  1.45  A    
#5  0.134 -0.969 A    

#[[2]]
# A tibble: 5 x 3
#       x      y g    
#   <dbl>  <dbl> <fct>
#1  0.277  0.575 B    
#2 -0.575 -0.476 B    
#3 -0.998 -2.18  B    
#4 -0.511 -1.07  B    
#5 -0.491 -1.11  B  
#....

Il est également fourni avec l'argument keep (qui est TRUE par défaut) pour spécifier si la colonne groupée doit être conservée ou non.

df %>% group_split(g, keep = FALSE)

#[[1]]
# A tibble: 5 x 2
#       x      y
#   <dbl>  <dbl>
#1 -1.21  -1.45 
#2  0.506  1.10 
#3 -0.477 -1.17 
#4 -0.110  1.45 
#5  0.134 -0.969

#[[2]]
# A tibble: 5 x 2
#       x      y
#   <dbl>  <dbl>
#1  0.277  0.575
#2 -0.575 -0.476
#3 -0.998 -2.18 
#4 -0.511 -1.07 
#5 -0.491 -1.11 
#....

La différence entre base::split et dplyr::group_split est-ce group_split ne nomme pas les éléments de la liste en fonction du regroupement. Alors

df1 <- df %>% group_split(g)
names(df1) #gives 
NULL

tandis que

df2 <- split(df, df$g)
names(df2) #gives
#[1] "A" "B" "C" "D" "E"

données

set.seed(1234)
df <- data.frame(
      x=rnorm(25),
      y=rnorm(25),
      g=rep(factor(LETTERS[1:5]), 5)
)
2
Ronak Shah