Aggiungi una nuova riga al dataframe, a un determinato indice di riga, non aggiunto?

Question

Il codice seguente combina un vettore con un dataframe:

newrow = c(1:4) 
existingDF = rbind(existingDF,newrow) 

Tuttavia questo codice inserisce sempre la nuova riga al termine del dataframe.

Come posso inserire la riga in un punto specificato all'interno del dataframe? Ad esempio, diciamo che il dataframe ha 20 righe, come posso inserire la nuova riga tra le righe 10 e 11?

Answer 1

Ecco una soluzione che evita la (spesso lento) rbind chiamata:

existingDF <- as.data.frame(matrix(seq(20),nrow=5,ncol=4)) 
r <- 3 
newrow <- seq(4) 
insertRow <- function(existingDF, newrow, r) { 
    existingDF[seq(r+1,nrow(existingDF)+1),] <- existingDF[seq(r,nrow(existingDF)),] 
    existingDF[r,] <- newrow 
    existingDF 
} 

> insertRow(existingDF, newrow, r) 
    V1 V2 V3 V4 
1 1 6 11 16 
2 2 7 12 17 
3 1 2 3 4 
4 3 8 13 18 
5 4 9 14 19 
6 5 10 15 20 

Se la velocità è meno importante di chiarezza, quindi @ soluzione di Simon funziona bene:

existingDF <- rbind(existingDF[1:r,],newrow,existingDF[-(1:r),]) 
> existingDF 
    V1 V2 V3 V4 
1 1 6 11 16 
2 2 7 12 17 
3 3 8 13 18 
4 1 2 3 4 
41 4 9 14 19 
5 5 10 15 20 

(Nota indice di noi r in modo diverso).

E infine, parametri di riferimento:

library(microbenchmark) 
microbenchmark(
    rbind(existingDF[1:r,],newrow,existingDF[-(1:r),]), 
    insertRow(existingDF,newrow,r) 
) 

Unit: microseconds 
                expr  min  lq median  uq  max 
1      insertRow(existingDF, newrow, r) 660.131 678.3675 695.5515 725.2775 928.299 
2 rbind(existingDF[1:r, ], newrow, existingDF[-(1:r), ]) 801.161 831.7730 854.6320 881.6560 10641.417 

benchmark

Come @MatthewDowle punta sempre a me, parametri di riferimento devono essere esaminati per la scalatura come la dimensione del problema aumenta. Eccoci allora:

benchmarkInsertionSolutions <- function(nrow=5,ncol=4) { 
    existingDF <- as.data.frame(matrix(seq(nrow*ncol),nrow=nrow,ncol=ncol)) 
    r <- 3 # Row to insert into 
    newrow <- seq(ncol) 
    m <- microbenchmark(
    rbind(existingDF[1:r,],newrow,existingDF[-(1:r),]), 
    insertRow(existingDF,newrow,r), 
    insertRow2(existingDF,newrow,r) 
) 
    # Now return the median times 
    mediansBy <- by(m$time,m$expr, FUN=median) 
    res <- as.numeric(mediansBy) 
    names(res) <- names(mediansBy) 
    res 
} 
nrows <- 5*10^(0:5) 
benchmarks <- sapply(nrows,benchmarkInsertionSolutions) 
colnames(benchmarks) <- as.character(nrows) 
ggplot(melt(benchmarks), aes(x=Var2,y=value,colour=Var1)) + geom_line() + scale_x_log10() + scale_y_log10() 

@ soluzione di Roland scale abbastanza bene, anche con la chiamata a rbind:

               5  50  500 5000 50000  5e+05 
insertRow2(existingDF, newrow, r)      549861.5 579579.0 789452 2512926 46994560 414790214 
insertRow(existingDF, newrow, r)      895401.0 905318.5 1168201 2603926 39765358 392904851 
rbind(existingDF[1:r, ], newrow, existingDF[-(1:r), ]) 787218.0 814979.0 1263886 5591880 63351247 829650894 

tracciate su una scala lineare:

E un scala log-log:

Answer 2

insertRow2 <- function(existingDF, newrow, r) { 
    existingDF <- rbind(existingDF,newrow) 
    existingDF <- existingDF[order(c(1:(nrow(existingDF)-1),r-0.5)),] 
    row.names(existingDF) <- 1:nrow(existingDF) 
    return(existingDF) 
} 

insertRow2(existingDF,newrow,r) 

    V1 V2 V3 V4 
1 1 6 11 16 
2 2 7 12 17 
3 1 2 3 4 
4 3 8 13 18 
5 4 9 14 19 
6 5 10 15 20 

microbenchmark(
+ rbind(existingDF[1:r,],newrow,existingDF[-(1:r),]), 
+ insertRow(existingDF,newrow,r), 
+ insertRow2(existingDF,newrow,r) 
+) 
Unit: microseconds 
                expr  min  lq median  uq  max 
1      insertRow(existingDF, newrow, r) 513.157 525.6730 531.8715 544.4575 1409.553 
2      insertRow2(existingDF, newrow, r) 430.664 443.9010 450.0570 461.3415 499.988 
3 rbind(existingDF[1:r, ], newrow, existingDF[-(1:r), ]) 606.822 625.2485 633.3710 653.1500 1489.216 

Answer 3

ad esempio si desidera aggiungere file di variabili da 2 a variabili 1 di dati denominato "bordi" proprio fare in questo modo

allEdges <- data.frame(c(edges$V1,edges$V2)) 

Answer 4

Si dovrebbe cercare dplyr pacchetto

library(dplyr) 
a <- data.frame(A = c(1, 2, 3, 4), 
       B = c(11, 12, 13, 14)) 


system.time({ 
for (i in 50:1000) { 
    b <- data.frame(A = i, B = i * i) 
    a <- bind_rows(a, b) 
} 

}) 

Uscita

user system elapsed 
    0.25 0.00 0.25 

In contrasto con l'utilizzo rbind funzione

a <- data.frame(A = c(1, 2, 3, 4), 
       B = c(11, 12, 13, 14)) 


system.time({ 
    for (i in 50:1000) { 
     b <- data.frame(A = i, B = i * i) 
     a <- rbind(a, b) 
    } 

}) 

uscita

user system elapsed 
    0.49 0.00 0.49 

C'è del guadagno di prestazioni.