R で大規模なデータフレームを拡張する方法

Question

データフレームがあります

df <- data.frame(
  id = c(1, 1, 1, 2, 2, 3, 3, 3, 3, 4), 
  date = c("1985-06-19", "1985-06-19", "1985-06-19", "1985-08-01", 
           "1985-08-01", "1990-06-19", "1990-06-19", "1990-06-19", 
           "1990-06-19", "2000-05-12"), 
  spp = c("a", "b", "c", "c", "d", "b", "c", "d", "a", "b"),
  y = rpois(10, 5))

   id       date spp y
1   1 1985-06-19   a 6
2   1 1985-06-19   b 3
3   1 1985-06-19   c 7
4   2 1985-08-01   c 7
5   2 1985-08-01   d 6
6   3 1990-06-19   b 5
7   3 1990-06-19   c 4
8   3 1990-06-19   d 4
9   3 1990-06-19   a 6
10  4 2000-05-12   b 6

ID と spp のあらゆる組み合わせが存在するように拡張したいと考えています。 y = 0 現在データフレームにないすべての組み合わせに対して。現在、データフレームは約 100,000 行、15 列です。展開すると、約 300,000 列になります (17 個の一意の値があります) spp 私の実際のデータセットでは)。

のすべての値に対して、 id の date 同じです（例：ID = 2 の場合、日付は常に 1985-08-01)。実際のデータセットでは、次を除くすべての列が spp そして y によって指定できます id.

最終的には次のようなものにしたいです:

   id       date spp y
   1 1985-06-19   a 6
   1 1985-06-19   b 3
   1 1985-06-19   c 7
   1 1985-06-19   d 0*
   2 1985-08-01   a 0*
   2 1985-08-01   b 0*
   2 1985-08-01   c 7
   2 1985-08-01   d 6
   3 1990-06-19   b 5
   3 1990-06-19   c 4
   3 1990-06-19   d 4
   3 1990-06-19   a 6
   4 2000-05-12   a 0*
   4 2000-05-12   b 6
   4 2000-05-12   c 0*
   4 2000-05-12   d 0*

• 追加された行を示す

将来的には、はるかに大きなデータ フレームを使用してこれを実行する必要がある可能性があるため、これを迅速かつ効率的に (時間とメモリの) 行う方法があれば幸いですが、どのような解決策でも私は満足できます。を使用する方法があるはずだと思います dplyr, data.table, 、 または reshape パッケージですが、どれもよく知りません。行 id、spp、y だけを展開してから実行するのが最も簡単かどうかはわかりません。 left_join() または merge() に基づいて日付（および実際のデータフレーム内の他のすべての変数）を再結合します id?

Answer 1

expand.grid ここで便利な機能ですが、

mergedData <- merge(
    expand.grid(id = unique(df$id), spp = unique(df$spp)),
    df, by = c("id", "spp"), all =T)

mergedData[is.na(mergedData$y), ]$y <- 0

mergedData$date <- rep(levels(df$date),
                       each = length(levels(df$spp)))

データのサブセットに対して実際には何もしていないので、私はそうは思わない plyr おそらくもっと効率的な方法で役に立ちます data.table.

Answer 2

私は二度目に行くだろう、これが助けることを願っています

x<-unique(df$id)
y<-unique(df$spp)
newdf<-data.frame(x=rep(x,each=length(y)),y=rep(y, length(x)))
merged<-merge(newdf, df, by.x=c(x,y), by.y=c("id","spp"), all=T)

.

Answer 3

新しい機能があります complete の開発版では tidyr それはこれを行います。もちろん complete 用途 expand.grid 内部的に。

# get new version of tidyr
devtools::install_github("hadley/tidyr")
# load package
require(tidyr)
# calculations
complete(df, c(id, date), spp, fill = list(y = 0))
##    id       date spp y
## 1   1 1985-06-19   a 5
## 2   1 1985-06-19   b 3
## 3   1 1985-06-19   c 5
## 4   1 1985-06-19   d 0
## 5   2 1985-08-01   a 0
## 6   2 1985-08-01   b 0
## 7   2 1985-08-01   c 4
## 8   2 1985-08-01   d 9
## 9   3 1990-06-19   a 8
## 10  3 1990-06-19   b 3
## 11  3 1990-06-19   c 5
## 12  3 1990-06-19   d 6
## 13  4 2000-05-12   a 0
## 14  4 2000-05-12   b 3
## 15  4 2000-05-12   c 0
## 16  4 2000-05-12   d 0