笛卡尔积产品数据框

Question

我有三个或更多的自变量表示为R向量,如下所示:

A <- c(1,2,3)
B <- factor(c('x','y'))
C <- c(0.1,0.5)

我想采用所有这些产品的笛卡尔积,并将结果放入数据框中,如下所示:

A B C
1 x 0.1
1 x 0.5
1 y 0.1
1 y 0.5
2 x 0.1
2 x 0.5
2 y 0.1
2 y 0.5
3 x 0.1
3 x 0.5
3 y 0.1
3 y 0.5

我可以通过手动写出调用来执行此操作rep:

d <- data.frame(A = rep(A, times=length(B)*length(C)),
                B = rep(B, times=length(A), each=length(C)),
                C = rep(C, each=length(A)*length(B))

但是必须有更优雅的方式去做,是吗？ product在itertools部分工作中,但我找不到任何方法来吸收迭代器的输出并将其放入数据框中.有什么建议？

ps此计算的下一步看起来像

d$D <- f(d$A, d$B, d$C)

所以如果你知道一次做两个步骤的方法,这也会有所帮助.

Answer 1

您可以使用 expand.grid(A, B, C)

编辑:使用do.call实现第二部分的替代方法,是函数mdply.这是代码

d = expand.grid(x = A, y = B, z = C)
d = mdply(d, f)

使用一个简单的函数'paste'来说明它的用法,你可以试试

d = mdply(d, 'paste', sep = '+');

Answer 2

有一个操作数据帧的函数,在这种情况下很有用.

它可以产生各种连接(在SQL术语中),而笛卡尔积则是一种特殊情况.

您必须首先将varible转换为数据帧,因为它将数据帧作为参数.

所以这样的事情会做:

A.B=merge(data.frame(A=A), data.frame(B=B),by=NULL);
A.B.C=merge(A.B, data.frame(C=C),by=NULL);

唯一需要关心的是行没有按照您的描述进行排序.您可以根据需要手动对它们进行排序.

__CODE__

"如果by和.x和by.y的长度为0(长度为零的向量或NULL),则结果r为x和y的笛卡尔乘积"

请参阅此网址以获取详细信息:http://stat.ethz.ch/R-manual/R-patched/library/base/html/merge.html

Answer 3

这是两种方法,使用Ramnath的建议expand.grid:

f <- function(x,y,z) paste(x,y,z,sep="+")
d <- expand.grid(x=A, y=B, z=C)
d$D <- do.call(f, d)

需要注意的是do.call在作品d"原样"因为data.frame是一个list.但是do.call希望列名d匹配参数名f.

Answer 4

考虑使用出色的data.table库来提高表达力和速度。它使用相当简单的统一语法处理许多plyr用例（关系分组依据）以及转换，子集和关系联接。

library(data.table)
d <- CJ(x=A, y=B, z=C)  # Cross join
d[, w:=f(x,y,z)]  # Mutates the data.table

或一行

d <- CJ(x=A, y=B, z=C)[, w:=f(x,y,z)]

Answer 5

tidyr可以使用一个库tidyr::crossing（顺序将与OP中相同）：

library(tidyr)
crossing(A,B,C)
# A tibble: 12 x 3
#        A B         C
#    <dbl> <fct> <dbl>
#  1     1 x       0.1
#  2     1 x       0.5
#  3     1 y       0.1
#  4     1 y       0.5
#  5     2 x       0.1
#  6     2 x       0.5
#  7     2 y       0.1
#  8     2 y       0.5
#  9     3 x       0.1
# 10     3 x       0.5
# 11     3 y       0.1
# 12     3 y       0.5 

下一步将是使用tidyverse，尤其是purrr::pmap*家庭：

library(tidyverse)
crossing(A,B,C) %>% mutate(D = pmap_chr(.,paste,sep="_"))
# A tibble: 12 x 4
#        A B         C D      
#    <dbl> <fct> <dbl> <chr>  
#  1     1 x       0.1 1_1_0.1
#  2     1 x       0.5 1_1_0.5
#  3     1 y       0.1 1_2_0.1
#  4     1 y       0.5 1_2_0.5
#  5     2 x       0.1 2_1_0.1
#  6     2 x       0.5 2_1_0.5
#  7     2 y       0.1 2_2_0.1
#  8     2 y       0.5 2_2_0.5
#  9     3 x       0.1 3_1_0.1
# 10     3 x       0.5 3_1_0.5
# 11     3 y       0.1 3_2_0.1
# 12     3 y       0.5 3_2_0.5