有效地将x/y坐标列表转换为R中的数据帧

Question

我有一个长度为30'000的列表，列表中有数据帧，它们有x和y列。数据帧是稀疏的，所以不存在x的每个值。所有x值都介于1和200之间。

我想将此列表转换为单个数据框，其中每个可能的x值都有一列，每行应该表示列表条目的所有y值（如果ax值为不存在，条目应该是0）。我有一个可行的解决方案（见下文），但它非常非常慢，我认为必须有一个更快（也可能更优雅的方式）才能这样做。

我当前的解决方案（这是慢）为：

dat <- matrix(numeric(0), 30000, 200) 
for(i in seq(along=whaledatas)) { 
    for(j in row.names(whaledatas[[i]])) 
     dat[i, whaledatas[[i]][j,"x"]] <- whaledatas[[i]][j,"y"] 
} 

dfData <- data.frame(dat, files$label) 
dfData[is.na(dfData)] <- 0 

Answer 1

这里的一个答案，它利用合理量时间：

# function to create dummy data 
my_sampler <- function(idx) { 
    x <- sample(200, sample(50:100, 1)) 
    y <- sample(length(x)) 
    data.frame(x,y) 
} 

# create list of 30000 data.frames 
in.d <- lapply(1:30000, function(x) my_sampler(x)) 

解决方案：使用data.table

require(data.table) 
system.time(out.d <- do.call(rbind, lapply(in.d, function(x) { 
    setattr(x, 'class', c("data.table", "data.frame")) # mnel's suggestion 
    setkey(x, "x") 
    x[J(1:200)]$y 
}))) 

# user system elapsed 
# 47.111 0.343 51.283 

> dim(out.d) 
# [1] 30000 200 

# final step: replace NA with 0 
out.d[is.na(out.d)] <- 0 

编辑：作为@regetz所示，分配最终基质，然后与y值替换选定的条目，其中x是发生聪明！的@ regetz的溶液中的微小变化：

m <- matrix(0.0, nrow=30000, ncol=200) 
system.time(for(i in 1:nrow(m)) { 
    m[i, in.d[[i]][["x"]]] <- in.d[[i]][["y"]] 
}) 

# user system elapsed 
# 1.496 0.003 1.511 

这似乎是速度甚至比@ regetz的（如下图所示）：

> system.time(dat <- datify(in.d, xmax=200)) 
# user system elapsed 
# 2.966 0.015 2.993 

Answer 2

我会用一个data.table的解决方案，这样的事情：

whaledatas <- lapply(1:30000,function(x)data.frame(x=1:200,y=1:200)) 
library(data.table) 
dtt <- rbindlist(whaledatas) 

Answer 3

首先，这里是清单的一个小例子数据帧：

# create some sample data 
whaledatas <- list(
    data.frame(x=1:3, y=11:13), 
    data.frame(x=6:10, y=16:20) 
) 

我觉得这个和是一样的在原来的问题10循环？

# combine into single data frame 
whaledatas.all <- do.call("rbind", whaledatas) 

# change this to 200! kept small here for illustration... 
XMAX <- 10 

# create output matrix 
dat <- matrix(0.0, length(whaledatas), XMAX) 

# create index vector for dat rows 
i <- rep(1:length(whaledatas), sapply(whaledatas, nrow)) 

# populate dat 
dat[cbind(i, whaledatas.all[["x"]])] <- whaledatas.all[["y"]] 

编辑

的rbind得到作为输入的数量增加窘况慢。这个版本（包装在方便的功能）避免它，并且运行速度更快：

datify <- function(x, xmax=200) { 
    dat <- matrix(0.0, length(x), xmax) 
    for (i in seq_along(x)) { 
     this.df <- x[[i]] 
     coords <- cbind(rep(i, nrow(this.df)), this.df[["x"]]) 
     dat[coords] <- this.df[["y"]] 
    } 
    dat 
} 

请注意，我们在dat开始全部为零，因此没有必要修复后的事实...

> datify(whaledatas, xmax=10) 
    [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] 
[1,] 11 12 13 0 0 0 0 0 0  0 
[2,] 0 0 0 0 0 16 17 18 19 20 

定时采样数据帧30k的长度列表，生成使用Arun的my_sampler功能：

set.seed(99) 
in.d <- lapply(1:30000, function(x) my_sampler(x)) 
system.time(dat <- datify(in.d, xmax=200)) 
## user system elapsed 
## 1.317 0.011 1.328