从宽到长格式重塑的最佳方法
从宽到长格式重塑的最佳方法
提问于 2018-11-12 23:23:01
相关信息：Reshaping data.frame from wide to long format。
我想知道从宽到长格式重塑数据的最好方法是什么。
除了个人风格品味，或代码的可读性。就性能而言，哪一个更好？
为什么应该首选一种方法，还有其他可能的原因吗？
示例数据：
v <- 1:3
names(v) <- paste0("col_", 1:3)
d <- purrr::map_df(v, function(x) runif(5, 0, 1))
d$id <- 1:5
# # A tibble: 5 x 4
# col_1 col_2 col_3 id
# <dbl> <dbl> <dbl> <int>
# 1 0.262 0.755 0.132 1
# 2 0.306 0.0344 0.571 2
# 3 0.143 0.628 0.933 3
# 4 0.401 0.709 0.629 4
# 5 0.353 0.691 0.405 5从宽到长的方法和期望的输出：
library(dplyr)
# tidyr
d %>% tidyr::gather("key", "value", -id) %>% head()
# reshape2
reshape2::melt(d, id.vars=c("id")) %>% head()
# DT
data.table::melt(dt, id.vars=c("id")) %>% head()
# output:
# id variable value
# 1 1 col_1 0.2618043
# 2 2 col_1 0.3059923
# 3 3 col_1 0.1433476
# 4 4 col_1 0.4007300
# 5 5 col_1 0.3531845
# 6 1 col_2 0.7550252回答 1
Stack Overflow用户
发布于 2018-11-12 23:23:01
在性能方面，似乎在更大的例子中，reshape2::melt是最快的，但老实说，我们谈论的是毫秒级。
数字较大的示例：
# bigger numbers example
v <- 1:100
names(v) <- paste0("col_", 1:100)
d <- purrr::map_df(v, function(x) runif(100000, 0, 1))
d$id <- 1:100000
dt <- as.data.table(d) # for dt 微基准测试：
microbenchmark::microbenchmark(
gather = {gather(d, "key", "value", -id)},
melt = {melt(d, id.vars=c("id"))},
dt = {melt(dt, id.vars=c("id"))},
times = 100
)
# Unit: milliseconds
# expr min lq mean median uq max neval
# gather 50.75434 51.61489 64.90385 61.06314 68.10268 201.7082 100
# melt 12.08457 12.58755 19.77046 13.13005 22.29556 162.0733 100
# dt 42.80573 44.50143 50.62359 45.04182 54.15235 187.1778 100页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53265197
复制相关文章
相似问题
腾讯云开发者
