Rcpp 创建具有可变列数的 DataFrame

Rcpp Create DataFrame with Variable Number of Columns

我对使用 Rcpp 创建列数可变的数据框很感兴趣。也就是说,我的意思是列数仅在 运行 时才知道。有些列将是标准的,但其他列将重复 n 次,其中 n 是我在特定 运行.

中考虑的功能数量

我知道我可以按如下方式创建数据框:

IntegerVector i1(3); i1[0]=4;i1[1]=2134;i1[2]=3453;
IntegerVector i2(3); i2[0]=4123;i2[1]=343;i2[2]=99123;
DataFrame df = DataFrame::create(Named("V1")=i1,Named("V2")=i2);

但在这种情况下,假定列数为 2。

为了简化对我需要的解释,假设我想传递一个 SEXP 变量,指定要在变量部分创建的列数。类似于:

RcppExport SEXP myFunc(SEXP n, SEXP <other stuff>)
IntegerVector i1(3); <compute i1>
IntegerVector i2(3); <compute i2>
for(int i=0;i<n;i++){compute vi}
DataFrame df = DataFrame::create(Named("Num")=i1,Named("ID")=i2,...,other columns v1 to vn);

其中 n 作为参数传递。 R 中的最终数据框看起来像

Num ID V1 ... Vn
  1  2  5     'aasda'
  ...

(实际上,列名不会是 "Vx" 的形式,但它们会在 运行 时已知。)换句话说,我不能使用静态列表

Named()=...

因为数字会改变。

我试过跳过构造函数的 "Named()" 部分,然后在最后命名列,但结果是垃圾。

这可以做到吗?

如果我正确理解你的问题,那么利用 DataFrame 构造函数似乎是最简单的,该构造函数以 List 作为参数(因为 List 可以直接指定),并通过 .attr("names")CharacterVector:

设置列的名称
#include <Rcpp.h>

// [[Rcpp::export]]
Rcpp::DataFrame myFunc(int n, Rcpp::List lst, 
                       Rcpp::CharacterVector Names = Rcpp::CharacterVector::create()) {

  Rcpp::List tmp(n + 2);
  tmp[0] = Rcpp::IntegerVector(3);
  tmp[1] = Rcpp::IntegerVector(3);

  Rcpp::CharacterVector lnames = Names.size() < lst.size() ?
    lst.attr("names") : Names;
  Rcpp::CharacterVector names(n + 2);
  names[0] = "Num";
  names[1] = "ID";

  for (std::size_t i = 0; i < n; i++) {
    // tmp[i + 2] = do_something(lst[i]);
    tmp[i + 2] = lst[i];
    if (std::string(lnames[i]).compare("") != 0) {
      names[i + 2] = lnames[i];
    } else {
      names[i + 2] = "V" + std::to_string(i);
    }
  }
  Rcpp::DataFrame result(tmp);
  result.attr("names") = names;
  return result;
}

那里有一些额外的东西允许 Names 向量是可选的 - 例如如果您只使用命名列表,则可以省略第三个参数。


lst1 <- list(1L:3L, 1:3 + .25, letters[1:3])
##
> myFunc(length(lst1), lst1, c("V1", "V2", "V3"))
#  Num ID V1   V2 V3
#1   0  0  1 1.25  a
#2   0  0  2 2.25  b
#3   0  0  3 3.25  c

lst2 <- list(
  Column1 = 1L:3L,
  Column2 = 1:3 + .25,
  Column3 = letters[1:3],
  Column4 = LETTERS[1:3])
##
> myFunc(length(lst2), lst2)
#  Num ID Column1 Column2 Column3 Column4
#1   0  0       1    1.25       a       A
#2   0  0       2    2.25       b       B
#3   0  0       3    3.25       c       C

请注意 DataFrame 构造函数的 this signature 的 20 长度限制,正如@hrbrmstr 所指出的那样。

这是一个老问题,但我认为更多的人正在为此苦苦挣扎,就像我一样。从这里的其他答案开始,我得出了一个不受 DataFrame 构造函数的 20 列限制限制的解决方案:

// [[Rcpp::plugins(cpp11)]]
#include <Rcpp.h>
#include <string>
#include <iostream>

using namespace Rcpp;

// [[Rcpp::export]]
List variableColumnList(int numColumns=30) {
    List retval;
    for (int i=0; i<numColumns; i++) {
        std::ostringstream colName;
        colName << "V" << i+1;
        retval.push_back( IntegerVector::create(100*i, 100*i + 1),colName.str());
    }
    return retval;
}

// [[Rcpp::export]]
DataFrame variableColumnListAsDF(int numColumns=30) {
    Function asDF("as.data.frame");

    return asDF(variableColumnList(numColumns));
}

// [[Rcpp::export]]
DataFrame variableColumnListAsTibble(int numColumns=30) {
    Function asTibble("tbl_df");

    return asTibble(variableColumnList(numColumns));
}

因此,首先通过将列推入空 List 来构建 C++ List。 (我在这里动态生成值和列名。)然后,return 作为 R list,或者使用两个辅助函数之一将它们转换为 data.frametbl_df。后者可以从 R 中完成,但我发现它更干净。