将数组融入data.frame，但将一维转换为列

Question

我想将多维数组（例如x，y，z;请参阅下面的'arr'）转换为data.frame，但保留一个维在列中（例如z，见下面的'df2'）。

目前，我在reshape2包中使用了熔化和dcast函数。

set.seed(1111) 
num <- 1000 
dim_names <- list(x = seq(num), y = seq(num), 
    z = paste0('Z', 1:5)) 
dim_arr <- as.numeric(lapply(dim_names, length)) 
arr <- array(runif(prod(dim_arr)), dim = dim_arr) 
dimnames(arr) <- dim_names 

library(reshape2) 
df <- melt(arr) 
head(df) 
system.time(df2 <- dcast(df, x + y ~ z, value.var = 'value')) 
head(df2) 

    x y  Z1  Z2  Z3  Z4   Z5 
1 1 1 0.4655026 0.8027921 0.1950717 0.0403759 0.04669389 
2 1 2 0.5156263 0.5427343 0.5799924 0.1911539 0.26069063 
3 1 3 0.2788747 0.9394142 0.9081274 0.7712205 0.68748300 
4 1 4 0.2827058 0.8001632 0.6995503 0.9913805 0.25421346 
5 1 5 0.7054767 0.8013255 0.2511769 0.6556174 0.07780849 
6 1 6 0.5576141 0.6452644 0.3362980 0.7353494 0.93147223 

然而，花了大约10秒至5转换的M值

user system elapsed 
    8.13 1.11 9.39 

是否有更有效的方法？感谢您的任何建议。

Answer 1

这是略微使用aperm(...)和matrix(...)的组合的4维阵列的更一般化的解决方案。我不是巫师，不能进一步概括这一点。

nx <- 2 ; ny <- 3 ; nz <- 4 ; nw <- 5 
original <- array(rnorm(nx*ny*nz*nw), dim=c(nx,ny,nz,nw), 
       dimnames=list(x=sprintf('x%s', 1:nx), y=sprintf('y%s', 1:ny), 
          z=sprintf('z%s', 1:nz), w=sprintf('w%s', 1:nw))) 

这是一个使用melt(...)和dcast(...)删除所有，但最后一个维度现有的方法：

f.dcast <- function(a) dcast(melt(a), x + y + z ~ w) 

下面以aperm(...)写出来的数据作为一个向量做同样的事情一个特定的顺序，以便它作为一个格式正确的矩阵，然后cbind s与变量名称：

f.aperm <- function(a) { 
    d <- dim(a) 

    data <- matrix(as.vector(aperm(a, c(4,3,2,1))), ncol=d[4], byrow=T) 
    colnames(data) <- dimnames(a)[[4]] 

    # specify levels in the same order as the input so they don't wind up alphabetical 
    varnames <- data.frame(
    factor(rep(dimnames(a)[[1]], times=1,   each=d[2]*d[3]), levels=dimnames(a)[[1]]), 
    factor(rep(dimnames(a)[[2]], times=d[1],  each=d[3] ), levels=dimnames(a)[[2]]), 
    factor(rep(dimnames(a)[[3]], times=d[1]*d[2], each=1  ), levels=dimnames(a)[[3]]) 
) 

    names(varnames) <- names(dimnames(a))[1:3] 

    cbind(varnames, data) 
} 

他们都给予我同样的结果：

> desired <- f.dcast(original) 
> test <- f.aperm(original) 
> all.equal(desired, test) 
[1] TRUE 

第二种方法是6数组倍的速度这个尺寸：

> microbenchmark::microbenchmark(f.dcast(original), f.aperm(original)) 
Unit: milliseconds 
       expr  min  lq  mean median  uq  max neval 
f.dcast(original) 7.270208 7.343227 7.703360 7.481984 7.698812 10.392141 100 
f.aperm(original) 1.218162 1.244595 1.327204 1.259987 1.291986 4.182391 100 

如果我增加了原数组的大小：

nx <- 10 ; ny <- 20 ; nz <- 30 ; nw <- 40 

然后第二种方法快十倍以上：

> microbenchmark::microbenchmark(f.dcast(original), f.aperm(original)) 
Unit: milliseconds 
       expr  min  lq  mean median  uq  max neval 
f.dcast(original) 303.21812 385.44857 381.29150 392.11693 394.81721 472.80343 100 
f.aperm(original) 18.62788 22.25814 28.85363 23.90133 24.54939 97.96776 100 

Answer 2

cbind(x=rep(1:1000,each=1000), 
     y=1:1000, 
     matrix(arr, ncol=5, dimnames=list(list(),dimnames(arr)$z)))) 

这段时间约为十分之一秒。这是海峡的结果（）

num [1:1000000, 1:7] 1 1 1 1 1 1 1 1 1 1 ... 
- attr(*, "dimnames")=List of 2 
    ..$ : NULL 
    ..$ : chr [1:7] "x" "y" "Z1" "Z2" .. 

我想你可以把在row.names，虽然它确实增加经过时间有点过一秒钟。