Ripeti ogni riga di data.frame il numero di volte specificato in una colonna

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'),
                 freq = 1:3)

Qual è il modo più semplice per espandere ogni riga le prime due colonne del data.frame sopra, in modo che ogni riga venga ripetuta il numero di volte specificato nella colonna 'freq'?

In altre parole, vai da questo:

df
  var1 var2 freq
1    a    d    1
2    b    e    2
3    c    f    3

A questa:

df.expanded
  var1 var2
1    a    d
2    b    e
3    b    e
4    c    f
5    c    f
6    c    f

Ecco una soluzione:

df.expanded <- df[rep(row.names(df), df$freq), 1:2]

Risultato:

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

vecchia domanda, nuovo verbo in ordine:

library(tidyr) # version >= 0.8.0
df <- data.frame(var1=c('a', 'b', 'c'), var2=c('d', 'e', 'f'), freq=1:3)
df %>% 
  uncount(freq)

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

Utilizzare expandRows()dal splitstackshapepacchetto:

library(splitstackshape)
expandRows(df, "freq")

Sintassi semplice, molto veloce, funziona su data.frameo data.table.

Risultato:

    var1 var2
1      a    d
2      b    e
2.1    b    e
3      c    f
3.1    c    f
3.2    c    f

La soluzione di @ neilfws funziona alla grande per data.frames, ma non per data.tables poiché manca la row.namesproprietà. Questo approccio funziona per entrambi:

df.expanded <- df[rep(seq(nrow(df)), df$freq), 1:2]

Il codice per data.tableè un po 'più pulito:

# convert to data.table by reference
setDT(df)
df.expanded <- df[rep(seq(.N), freq), !"freq"]

Nel caso in cui sia necessario eseguire questa operazione su data.frames molto grandi, consiglierei di convertirlo in un data.table e utilizzare quanto segue, che dovrebbe essere eseguito molto più velocemente:

library(data.table)
dt <- data.table(df)
dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")]
dt.expanded[ ,freq := NULL]
dt.expanded

Scopri quanto è più veloce questa soluzione:

df <- data.frame(var1=1:2e3, var2=1:2e3, freq=1:2e3)
system.time(df.exp <- df[rep(row.names(df), df$freq), 1:2])
##    user  system elapsed 
##    4.57    0.00    4.56
dt <- data.table(df)
system.time(dt.expanded <- dt[ ,list(freq=rep(1,freq)),by=c("var1","var2")])
##    user  system elapsed 
##    0.05    0.01    0.06

Un'altra dplyralternativa con slicecui ripetiamo ogni riga il numero di freqvolte

library(dplyr)

df %>%  
  slice(rep(seq_len(n()), freq)) %>% 
  select(-freq)

#  var1 var2
#1    a    d
#2    b    e
#3    b    e
#4    c    f
#5    c    f
#6    c    f

seq_len(n()) la parte può essere sostituita con una delle seguenti.

df %>% slice(rep(1:nrow(df), freq)) %>% select(-freq)
#Or
df %>% slice(rep(row_number(), freq)) %>% select(-freq)
#Or
df %>% slice(rep(seq_len(nrow(.)), freq)) %>% select(-freq)

Un'altra possibilità sta usando tidyr::expand:

library(dplyr)
library(tidyr)

df %>% group_by_at(vars(-freq)) %>% expand(temp = 1:freq) %>% select(-temp)

#> # A tibble: 6 x 2
#> # Groups:   var1, var2 [3]
#>   var1  var2 
#>   <fct> <fct>
#> 1 a     d    
#> 2 b     e    
#> 3 b     e    
#> 4 c     f    
#> 5 c     f    
#> 6 c     f

Versione di una riga della risposta di vonjd :

library(data.table)

setDT(df)[ ,list(freq=rep(1,freq)),by=c("var1","var2")][ ,freq := NULL][]

#>    var1 var2
#> 1:    a    d
#> 2:    b    e
#> 3:    b    e
#> 4:    c    f
#> 5:    c    f
#> 6:    c    f

^{Creato il 21/05/2019 dal pacchetto reprex (v0.2.1)}

So che non è così, ma se è necessario mantenere la colonna freq originale, è possibile utilizzare un altro tidyverseapproccio insieme a rep:

library(purrr)

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3)

df %>% 
  map_df(., rep, .$freq)
#> # A tibble: 6 x 3
#>   var1  var2   freq
#>   <fct> <fct> <int>
#> 1 a     d         1
#> 2 b     e         2
#> 3 b     e         2
#> 4 c     f         3
#> 5 c     f         3
#> 6 c     f         3

^{Creato il 21-12-2019 dal pacchetto reprex (v0.3.0)}