代码之家 › 专栏 › 技术社区 › JD Long

将数据帧列表转换为一个数据帧

dataframe r list

262

JD Long · 技术社区 · 15 年前

我有一个代码,在某个地方最后得到一个数据帧列表,我真的想转换成一个大数据帧。

我从一个 earlier question 它试图做一些类似但更复杂的事情。

下面是一个我从什么开始的例子(这是非常简单的说明):

listOfDataFrames <- vector(mode = "list", length = 100)

for (i in 1:100) {
    listOfDataFrames[[i]] <- data.frame(a=sample(letters, 500, rep=T),
                             b=rnorm(500), c=rnorm(500))
}

我目前正在使用:

  df <- do.call("rbind", listOfDataFrames)

9 回复 | 直到 7 年前

joeklieg 7 年前

使用dplyr包中的bind_rows():

bind_rows(list_of_dataframes, .id = "column_label")

180

Shane 15 年前

另一种选择是使用PLYR功能:

df <- ldply(listOfDataFrames, data.frame)

这比原来的慢一点:

> system.time({ df <- do.call("rbind", listOfDataFrames) })
   user  system elapsed 
   0.25    0.00    0.25 
> system.time({ df2 <- ldply(listOfDataFrames, data.frame) })
   user  system elapsed 
   0.30    0.00    0.29
> identical(df, df2)
[1] TRUE

我猜是用 do.call("rbind", ...) 这将是你能找到的最快的方法,除非你能做像(a)使用矩阵而不是数据帧,(b)预先分配最终矩阵并分配给它,而不是增加它。

编辑1 :

根据哈德利的评论,这里是 rbind.fill 来自克兰:

> system.time({ df3 <- rbind.fill(listOfDataFrames) })
   user  system elapsed 
   0.24    0.00    0.23 
> identical(df, df3)
[1] TRUE

这比RBind更容易,速度也稍微快一点(这些计时可以在多次运行中保持)。据我所知, the version of plyr on github 比这还要快。

Henrik plannapus 9 年前

为了完整起见,我认为这个问题的答案需要更新。”我猜是用 do.call("rbind", ...) 这将是最快的方法,你会发现…“这可能在2010年5月和之后的一段时间是真的,但在2011年9月左右,一个新的功能 rbindlist 是在 data.table 包版本1.8.2,并注明“这与 do.call("rbind",l) 但要快得多”。多快?

library(rbenchmark)
benchmark(
  do.call = do.call("rbind", listOfDataFrames),
  plyr_rbind.fill = plyr::rbind.fill(listOfDataFrames), 
  plyr_ldply = plyr::ldply(listOfDataFrames, data.frame),
  data.table_rbindlist = as.data.frame(data.table::rbindlist(listOfDataFrames)),
  replications = 100, order = "relative", 
  columns=c('test','replications', 'elapsed','relative')
  )

                  test replications elapsed relative
4 data.table_rbindlist          100    0.11    1.000
1              do.call          100    9.39   85.364
2      plyr_rbind.fill          100   12.08  109.818
3           plyr_ldply          100   15.14  137.636

mindlessgreen 7 年前

<>代码:

库(微基准)

dflist<-矢量(长度=10,模式=list)
为(我在1:100)
{
dflist[[i]]<-data.frame(a=runif(n=260),b=runif(n=260),
C=rep(字母,10),D=rep(字母,10)
}


mb<-微基准(
plyr::r结束填充(dflist),
dpylr::绑定_行(dflist),
data.table::rBindList(dfList),
plyr::ldply(dflist,data.frame)
do.call(“rbind”,dflist),
次数=1000)

ggplot2::自动批处理(MB)
< /代码> 

会话:

r version 3.3.0(2016-05-03)
平台:x86 U 64-W64-MingW32/X64(64位)
运行环境:Windows 7 x64(内部版本7601)Service Pack 1

>包装版本(“PLYR”)
[1]__1.8.4_
>包装版本(“dplyr”)
[1]__0.5.0_
>包版本(“data.table”)
[1]__1.9.6_
< /代码> 

update:
重新运行2018年1月31日。在同一台计算机上运行。软件包的新版本。为种子爱好者添加种子。




set.seed(21)
库(微基准)

dflist<-矢量(长度=10,模式=list)
为(我在1:100)
{
dflist[[i]]<-data.frame(a=runif(n=260),b=runif(n=260),
C=rep(字母,10),D=rep(字母,10)
}


mb<-微基准(
plyr::r结束填充(dflist),
dpylr::绑定_行(dflist),
data.table::rBindList(dfList),
plyr::ldply(dflist,data.frame)
do.call(“rbind”,dflist),
次数=1000)

ggplot2::autoplot(mb)+theme_bw()。


R版本3.4.0(2017-04-21)
平台:x86 U 64-W64-MingW32/X64(64位)
运行环境:Windows 7 x64(内部版本7601)Service Pack 1

>包装版本(“PLYR”)
[1]__1.8.4_
>包装版本(“dplyr”)
[1]__0.7.2_
>包版本(“data.table”)
[1]__1.10.4_
< /代码> 


代码:

library(microbenchmark)

dflist <- vector(length=10,mode="list")
for(i in 1:100)
{
  dflist[[i]] <- data.frame(a=runif(n=260),b=runif(n=260),
                            c=rep(LETTERS,10),d=rep(LETTERS,10))
}


mb <- microbenchmark(
plyr::rbind.fill(dflist),
dplyr::bind_rows(dflist),
data.table::rbindlist(dflist),
plyr::ldply(dflist,data.frame),
do.call("rbind",dflist),
times=1000)

ggplot2::autoplot(mb)


会议:

R version 3.3.0 (2016-05-03)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

> packageVersion("plyr")
[1] â1.8.4â
> packageVersion("dplyr")
[1] â0.5.0â
> packageVersion("data.table")
[1] â1.9.6â


更新:
重新运行2018年1月31日。在同一台计算机上运行。软件包的新版本。为种子爱好者添加种子。



set.seed(21)
library(microbenchmark)

dflist <- vector(length=10,mode="list")
for(i in 1:100)
{
  dflist[[i]] <- data.frame(a=runif(n=260),b=runif(n=260),
                            c=rep(LETTERS,10),d=rep(LETTERS,10))
}


mb <- microbenchmark(
  plyr::rbind.fill(dflist),
  dplyr::bind_rows(dflist),
  data.table::rbindlist(dflist),
  plyr::ldply(dflist,data.frame),
  do.call("rbind",dflist),
  times=1000)

ggplot2::autoplot(mb)+theme_bw()


R version 3.4.0 (2017-04-21)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

> packageVersion("plyr")
[1] â1.8.4â
> packageVersion("dplyr")
[1] â0.7.2â
> packageVersion("data.table")
[1] â1.10.4â

TheVTM 10 年前

也有 bind_rows(x, ...) 在里面 dplyr .

> system.time({ df.Base <- do.call("rbind", listOfDataFrames) })
   user  system elapsed 
   0.08    0.00    0.07 
> 
> system.time({ df.dplyr <- as.data.frame(bind_rows(listOfDataFrames)) })
   user  system elapsed 
   0.01    0.00    0.02 
> 
> identical(df.Base, df.dplyr)
[1] TRUE

yeedle 8 年前

这是另一种方法(将其添加到答案中,因为 reduce 是一个非常有效的功能性工具,作为循环的替代品常常被忽视。在这种特殊情况下,这两种方法都没有明显快于do.call)

使用基R:

df <- Reduce(rbind, listOfDataFrames)

或者,使用tidyverse:

library(tidyverse) # or, library(dplyr); library(purrr)
df <- listOfDataFrames %>% reduce(bind_rows)

Nick 8 年前

如何在tidyverse中完成:

df.dplyr.purrr <- listOfDataFrames %>% map_df(bind_rows)

Nova 8 年前

一个更新的视频为那些想比较最近的一些答案(我想比较purr与dplyr解决方案)。基本上,我把来自@thevtm和@rmf的答案结合起来。

<>代码:

库(微基准)
库(data.table)
图书馆(tidyverse)

dflist<-矢量(长度=10,模式=list)
为(我在1:100)
{
dflist[[i]]<-data.frame(a=runif(n=260),b=runif(n=260),
C=rep(字母,10),D=rep(字母,10)
}


mb<-微基准(
dpylr::绑定_行(dflist),
data.table::rBindList(dfList),
purr::map_df(dflist,bind_rows),
do.call(“rbind”,dflist),
次数=500)

ggplot2::自动批处理(MB)
< /代码> 

会话信息:

sessioninfo())
R版本3.4.1(2017-06-30)
平台:x86 U 64-W64-MingW32/X64(64位)
运行环境:Windows 7 x64(内部版本7601)Service Pack 1
< /代码> 

包版本:

包版本(“tidyverse”)。
[1]__1.1.1_
>包版本(“data.table”)
[1]__1.10.0_
< /代码> 
来自@thevtm和@rmf的ed答案。



代码:

library(microbenchmark)
library(data.table)
library(tidyverse)

dflist <- vector(length=10,mode="list")
for(i in 1:100)
{
  dflist[[i]] <- data.frame(a=runif(n=260),b=runif(n=260),
                            c=rep(LETTERS,10),d=rep(LETTERS,10))
}


mb <- microbenchmark(
  dplyr::bind_rows(dflist),
  data.table::rbindlist(dflist),
  purrr::map_df(dflist, bind_rows),
  do.call("rbind",dflist),
  times=500)

ggplot2::autoplot(mb)


会话信息:

sessionInfo()
R version 3.4.1 (2017-06-30)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1


包版本:

> packageVersion("tidyverse")
[1] â1.1.1â
> packageVersion("data.table")
[1] â1.10.0â

f0nzie 8 年前

唯一的解决方案 data.table are missing是要知道数据来自列表中哪个数据帧的标识符列。

像这样:

df_id <- data.table::rbindlist(listOfDataFrames, idcol = TRUE)

这个 idcol 参数添加列( .id )标识列表中包含的数据帧的来源。结果是这样的:

.id a         b           c
1   u   -0.05315128 -1.31975849 
1   b   -1.00404849 1.15257952  
1   y   1.17478229  -0.91043925 
1   q   -1.65488899 0.05846295  
1   c   -1.43730524 0.95245909  
1   b   0.56434313  0.93813197