Nano Hash - криптовалюты, майнинг, программирование

R: любая функция для декартова произведения двух кадров данных?

Мне нужно сделать декартово произведение двух фреймов данных. Например,

 A = id weight type
     10    20     a
     10    30     b
     25    10     c
 B = date  report
     2007    y
     2008    n

тогда C будет похож на декартово произведение A и B

 C =  id weight type  date  report
      10    20     a    2007    y
      10    20     a    2008    n
      10    30     b    2007    y
      10    30     b    2008    n
      25    10     c    2007    y
      25    10     c    2008    n

так как некоторые идентификаторы совпадают в A, поэтому я не могу использовать такой способ, как

C <- merge(A$id,B$date)
C <- merge(C,A,by="id")
C <- merge(C,B,by="date")

Таким образом будет сгенерировано больше строк. Может ли кто-нибудь помочь мне выбраться отсюда? Спасибо

r dataframe cartesian
29.08.2016

Ответы:


1

merge(A, B), при условии, что между ними нет столбцов, должно делать это по умолчанию, не так ли?

От ?merge (выделено мной):

Если by или оба by.x и by.y имеют длину 0 (вектор нулевой длины или NULL), результатом r является декартово произведение x и y, т. е. dim(r ) = c(nrow(x)*nrow(y), ncol(x) + ncol(y)).

По общему признанию, для этого нужно знать, как заглянуть в ?merge. Контекстный поиск в R сильно отсутствует; даже rseek не предоставляет это сразу.

29.08.2016
  • ты прав. большое спасибо!! 29.08.2016
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..