次の構造のデータ フレームがあるとします。
df <- data.frame(a=c(1,2,3,4), b=c("job1;job2", "job1a", "job4;job5;job6", "job9;job10;job11"))
ここで、列b
はセミコロンで区切られたリストです (行ごとにバランスが取れていません)。理想的な data.frame は次のようになります。
id,job,jobNum
1,job1,1
1,job2,2
...
3,job6,3
4,job9,1
4,job10,2
4,job11,3
ほぼ 2 時間 (170K 行) かかる部分的なソリューションがあります。
# Split the column by the semicolon. Results in a list.
df$allJobs <- strsplit(df$b, ";", fixed=TRUE)
# Function to reshape column that is a list as a data.frame
simpleStack <- function(data){
start <- as.data.frame.list(data)
names(start) <-c("id", "job")
return(start)
}
# pylr!
system.time(df2 <- ddply(df, .(id), simpleStack))
サイズの問題のようです。
system.time(df2 <- ddply(df[1:4000,c("id", "allJobs")], .(id), simpleStack))
9秒しかかかりません。最初に sapply (別の関数を使用) を使用して一連の data.frames に変換するのは高速ですが、必要な「rbind」にはさらに時間がかかります。