根据数据帧的长度将数据帧分成相等的部分
•浏览 1
Split dataframe into equal parts based on length of the dataframe
问题：我需要将几个不同的大型数据帧(例如 50k 行)分成更小的块，每个块具有相同的行数。但是，我不想为每个数据集手动设置块的大小。相反，我想要这样的代码：
- 检查数据帧的长度并确定有多少块
大约几千行的原始数据框可以分解成
- 最小化必须丢弃的"剩余"行数
这里提供的答案是相关的：Split a vector into chunks in R
但是，我不想手动设置块大小。我希望代码找到将最小化剩余部分的"最佳"块大小。
示例：(基于 Harlan 在上述链接中的回答)
df <- rnorm(20752)
max <- 20
x <- seq_along(df)
df <- split(df, ceiling(x/max))
str(df)
> List of 5
> $ 1: num [1:5000] -1.4 -0.496 -1.185 -2.071 -1.118 ...
> $ 2: num [1:5000] 0.522 1.607 -2.228 -2.044 0.997 ...
> $ 3: num [1:5000] 0.295 0.486 -1.085 0.515 0.96 ...
> $ 4: num [1:5000] 0.695 -0.58 -1.676 1.052 1.266 ...
> $ 5: num [1:752] -0.6468 0.1731 0.5788 -0.0584 0.8479 ...# number of rows of your data.frame (from your example... )
nrows <- 20752
# acceptable range for sub-data.frame size
subSetSizes <- 4000:10000
remainders <- nrows %% subSetSizes
minIndexes <- which(remainders == min(remainders))
chunckSizesHavingMinRemainder <- subSetSizes[minIndexes]
# > chunckSizesHavingMinRemainder
# [1] 5188
# the remainder of 20752 / 5188 is indeed 0 (the only minimum)
# nrows %% 5188
# > [1] 0如果我选择了 4100 行的块大小，我将有 5 个块，其余为 252 行。这更可取，因为我会丢弃更少的数据点。只要块至少有几千行，我不在乎它们的大小。
这是一种蛮力方法(但非常快)：
df <- rnorm(20752)
max <- 20
x <- seq_along(df)
df <- split(df, ceiling(x/max))
str(df)
> List of 5
> $ 1: num [1:5000] -1.4 -0.496 -1.185 -2.071 -1.118 ...
> $ 2: num [1:5000] 0.522 1.607 -2.228 -2.044 0.997 ...
> $ 3: num [1:5000] 0.295 0.486 -1.085 0.515 0.96 ...
> $ 4: num [1:5000] 0.695 -0.58 -1.676 1.052 1.266 ...
> $ 5: num [1:752] -0.6468 0.1731 0.5788 -0.0584 0.8479 ...# number of rows of your data.frame (from your example... )
nrows <- 20752
# acceptable range for sub-data.frame size
subSetSizes <- 4000:10000
remainders <- nrows %% subSetSizes
minIndexes <- which(remainders == min(remainders))
chunckSizesHavingMinRemainder <- subSetSizes[minIndexes]
# > chunckSizesHavingMinRemainder
# [1] 5188
# the remainder of 20752 / 5188 is indeed 0 (the only minimum)
# nrows %% 5188
# > [1] 0