[英]How to efficiently convert a data frame to a list of lists of arbitrary length?
我正在尝试重塑数据框,以便更有效地存储和检索。 每行包含一个“父”(键)值,它在行之间不是唯一的,而是一个子值(实际上,一组3个属性 - 1个字符和2个数字)。 我想将此数据帧转换为一个列表,该列表只包含每个唯一父键的一个顶级条目,以及由与父项关联的子项数确定的多个子列表。 以下是一些示例数据:
pcm <- data.frame(parent = c("middle", "middle", "might", "might",
"might", "million", "million", "millions"),
child = c("of", "school", "be", "have", "not", "in",
"to", "of"),
count = c(476, 165, 1183, 619, 321, 490, 190, 269))
此输出应该是一个包含4个顶级元素(名为"middle", "might", "million", "millions"
)的列表,以及具有命名成员$child
和$count
不同数量的子列表(例如lookup4[["middle"]]
包含子列表$children[[1]]$child
= "of"
, $count
= 476
和$children[[2]]$child
= "school"
, $count
= 165
) 。
下面的代码有效,但速度非常慢(使用8 GB RAM的300,000行数据帧上有几个小时)。 我对输出数据中的孩子数量施加了6的限制,但似乎并没有产生很大的不同。
lookup4 <- list()
parents <- unique(pcm$parent)
n.parents <- length(parents)
for (i in 1:n.parents) {
words <- pcm$child[pcm$parent == parents[i]]
counts <- pcm$count[pcm$parent == parents[i]]
probs <- pcm$prob[pcm$parent == parents[i]]
n.children <- min(c(NROW(words), 6)
ngram.tail <- list()
for (k in 1:n.children) {
ngram.tail[[k]] <- list(word = words[k],
count = counts[k],
prob = probs[k])
}
lookup4[[parents[i]]] <- list(children = ngram.tail)
}
我可以通过消除'for'循环加快速度吗? 如果是这样,我将如何编码转换?
尝试这个:
我想数据框称为parents
:
parents.list <- as.list(as.data.frame(t(parents)))
如果您希望父项的行名称是列表的名称:
parents.list <- setNames(split(parents, seq(nrow(parents))), rownames(parents))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.