将向量拆分为R中的块

我必须在R中将向量拆分为n个大小相等的块。我找不到任何基本函数来执行此操作。谷歌也没有让我到任何地方。所以这就是我想出的，希望它能对某人有所帮助。

x <- 1:10
n <- 3
chunk <- function(x,n) split(x, factor(sort(rank(x)%%n)))
chunk(x,n)
$`0`
[1] 1 2 3

$`1`
[1] 4 5 6 7

$`2`
[1]  8  9 10

任何意见，建议或改进都将受到欢迎和赞赏。

塞巴斯蒂安欢呼

单线将d分成大小为20的块：

split(d, ceiling(seq_along(d)/20))

更多细节：我想你需要的是seq_along()，split()和ceiling()：

> d <- rpois(73,5)
> d
 [1]  3  1 11  4  1  2  3  2  4 10 10  2  7  4  6  6  2  1  1  2  3  8  3 10  7  4
[27]  3  4  4  1  1  7  2  4  6  0  5  7  4  6  8  4  7 12  4  6  8  4  2  7  6  5
[53]  4  5  4  5  5  8  7  7  7  6  2  4  3  3  8 11  6  6  1  8  4
> max <- 20
> x <- seq_along(d)
> d1 <- split(d, ceiling(x/max))
> d1
$`1`
 [1]  3  1 11  4  1  2  3  2  4 10 10  2  7  4  6  6  2  1  1  2

$`2`
 [1]  3  8  3 10  7  4  3  4  4  1  1  7  2  4  6  0  5  7  4  6

$`3`
 [1]  8  4  7 12  4  6  8  4  2  7  6  5  4  5  4  5  5  8  7  7

$`4`
 [1]  7  6  2  4  3  3  8 11  6  6  1  8  4

chunk2 <- function(x,n) split(x, cut(seq_along(x), n, labels = FALSE)) 

simplified version...
n = 3
split(x, sort(x%%n))

尝试使用ggplot2函数cut_number：

library(ggplot2)
x <- 1:10
n <- 3
cut_number(x, n) # labels = FALSE if you just want an integer result
#>  [1] [1,4]  [1,4]  [1,4]  [1,4]  (4,7]  (4,7]  (4,7]  (7,10] (7,10] (7,10]
#> Levels: [1,4] (4,7] (7,10]

# if you want it split into a list:
split(x, cut_number(x, n))
#> $`[1,4]`
#> [1] 1 2 3 4
#> 
#> $`(4,7]`
#> [1] 5 6 7
#> 
#> $`(7,10]`
#> [1]  8  9 10

这会将其拆分为您所拥有的内容，但是我认为仍然是一个不错的列表结构：

chunk.2 <- function(x, n, force.number.of.groups = TRUE, len = length(x), groups = trunc(len/n), overflow = len%%n) { 
  if(force.number.of.groups) {
    f1 <- as.character(sort(rep(1:n, groups)))
    f <- as.character(c(f1, rep(n, overflow)))
  } else {
    f1 <- as.character(sort(rep(1:groups, n)))
    f <- as.character(c(f1, rep("overflow", overflow)))
  }

  g <- split(x, f)

  if(force.number.of.groups) {
    g.names <- names(g)
    g.names.ordered <- as.character(sort(as.numeric(g.names)))
  } else {
    g.names <- names(g[-length(g)])
    g.names.ordered <- as.character(sort(as.numeric(g.names)))
    g.names.ordered <- c(g.names.ordered, "overflow")
  }

  return(g[g.names.ordered])
}

根据您希望的格式，这将为您提供以下内容：

> x <- 1:10; n <- 3
> chunk.2(x, n, force.number.of.groups = FALSE)
$`1`
[1] 1 2 3

$`2`
[1] 4 5 6

$`3`
[1] 7 8 9

$overflow
[1] 10

> chunk.2(x, n, force.number.of.groups = TRUE)
$`1`
[1] 1 2 3

$`2`
[1] 4 5 6

$`3`
[1]  7  8  9 10

使用以下设置运行几个计时：

set.seed(42)
x <- rnorm(1:1e7)
n <- 3

然后，我们得到以下结果：

> system.time(chunk(x, n)) # your function 
   user  system elapsed 
 29.500   0.620  30.125 

> system.time(chunk.2(x, n, force.number.of.groups = TRUE))
   user  system elapsed 
  5.360   0.300   5.663 

编辑：在我的函数中，从as.factor（）更改为as.character（）使其速度提高了一倍。

堆的更多变体...

> x <- 1:10
> n <- 3

请注意，您无需在factor此处使用该函数，但您仍想将sort第一个向量作为1 2 3 10：

> chunk <- function(x, n) split(x, sort(rank(x) %% n))
> chunk(x,n)
$`0`
[1] 1 2 3
$`1`
[1] 4 5 6 7
$`2`
[1]  8  9 10

或者，您可以分配字符索引，然后在上方左侧的刻度中输入数字：

> my.chunk <- function(x, n) split(x, sort(rep(letters[1:n], each=n, len=length(x))))
> my.chunk(x, n)
$a
[1] 1 2 3 4
$b
[1] 5 6 7
$c
[1]  8  9 10

或者，您可以使用矢量中存储的明文名称。请注意，使用sort获取x字母序列中的连续值将标签按字母顺序排列：

> my.other.chunk <- function(x, n) split(x, sort(rep(c("tom", "dick", "harry"), each=n, len=length(x))))
> my.other.chunk(x, n)
$dick
[1] 1 2 3
$harry
[1] 4 5 6
$tom
[1]  7  8  9 10

使用基数R rep_len：

x <- 1:10
n <- 3

split(x, rep_len(1:n, length(x)))
# $`1`
# [1]  1  4  7 10
# 
# $`2`
# [1] 2 5 8
# 
# $`3`
# [1] 3 6 9

如前所述，如果要排序索引，只需：

split(x, sort(rep_len(1:n, length(x))))
# $`1`
# [1] 1 2 3 4
# 
# $`2`
# [1] 5 6 7
# 
# $`3`
# [1]  8  9 10

您可以将mdsummer建议的分割/剪切与分位数相结合以创建偶数组：

split(x,cut(x,quantile(x,(0:n)/n), include.lowest=TRUE, labels=FALSE))

这将为您的示例提供相同的结果，但不会为偏斜的变量提供相同的结果。

split(x,matrix(1:n,n,length(x))[1:length(x)])

也许这更清楚，但是相同的想法：
split(x,rep(1:n, ceiling(length(x)/n),length.out = length(x)))

如果您要订购，请对其进行排序

我需要相同的功能，并且已经阅读了先前的解决方案，但是我还需要使不平衡块位于末尾，即，如果我有10个元素将它们拆分成每个3个向量，那么我的结果应该具有3个向量， 3,4个元素。因此，我使用了以下代码（我未对代码进行优化以提高可读性，否则无需设置多个变量）：

chunk <- function(x,n){
  numOfVectors <- floor(length(x)/n)
  elementsPerVector <- c(rep(n,numOfVectors-1),n+length(x) %% n)
  elemDistPerVector <- rep(1:numOfVectors,elementsPerVector)
  split(x,factor(elemDistPerVector))
}
set.seed(1)
x <- rnorm(10)
n <- 3
chunk(x,n)
$`1`
[1] -0.6264538  0.1836433 -0.8356286

$`2`
[1]  1.5952808  0.3295078 -0.8204684

$`3`
[1]  0.4874291  0.7383247  0.5757814 -0.3053884

这是另一个变种。

注意：在此示例中，您要在第二个参数中指定“ CHUNK SIZE”

1. 除了最后一块，所有块都是统一的；
2. 最后一个在最坏的情况下会更小，永远不会大于块大小。

chunk <- function(x,n)
{
    f <- sort(rep(1:(trunc(length(x)/n)+1),n))[1:length(x)]
    return(split(x,f))
}

#Test
n<-c(1,2,3,4,5,6,7,8,9,10,11)

c<-chunk(n,5)

q<-lapply(c, function(r) cat(r,sep=",",collapse="|") )
#output
1,2,3,4,5,|6,7,8,9,10,|11,|

简单的函数，只需使用索引即可分割向量-无需过于复杂

vsplit <- function(v, n) {
    l = length(v)
    r = l/n
    return(lapply(1:n, function(i) {
        s = max(1, round(r*(i-1))+1)
        e = min(l, round(r*i))
        return(v[s:e])
    }))
}

如果您不喜欢split() 并且不喜欢matrix()（带有悬挂的NA），则有以下内容：

chunk <- function(x, n) (mapply(function(a, b) (x[a:b]), seq.int(from=1, to=length(x), by=n), pmin(seq.int(from=1, to=length(x), by=n)+(n-1), length(x)), SIMPLIFY=FALSE))

像一样split()，它返回一个列表，但是它不会浪费时间或空间来放置标签，因此它的性能可能更高。

感谢此功能的 @Sebastian

chunk <- function(x,y){
         split(x, factor(sort(rank(row.names(x))%%y)))
         }

如果您不喜欢split()并且不介意NA填补您的短尾巴：

chunk <- function(x, n) { if((length(x)%%n)==0) {return(matrix(x, nrow=n))} else {return(matrix(append(x, rep(NA, n-(length(x)%%n))), nrow=n))} }

返回矩阵的列（[，1：ncol]）是您要查找的机器人。

我需要一个函数，该函数接受data.table的参数（用引号引起来），另一个参数是该原始data.table的子集中的行数上限。此函数产生上限允许的任意数量的data.tables：

library(data.table)    
split_dt <- function(x,y) 
    {
    for(i in seq(from=1,to=nrow(get(x)),by=y)) 
        {df_ <<- get(x)[i:(i + y)];
            assign(paste0("df_",i),df_,inherits=TRUE)}
    rm(df_,inherits=TRUE)
    }

此函数为我提供了一系列名为df_ [number]的data.tables，其名称中的原始data.table为起始行。最后一个data.table可能很短，并且充满了NA，因此您必须将其子集化为剩下的任何数据。这种功能很有用，因为例如某些GIS软件对可以导入的地址针脚有限制。因此，不建议将data.tables切成较小的块，但这可能是不可避免的。

抱歉，这个答案来得太晚了，但也许对其他人有用。实际上，有一个非常有用的解决方案，在？split的结尾进行了解释。

> testVector <- c(1:10) #I want to divide it into 5 parts
> VectorList <- split(testVector, 1:5)
> VectorList
$`1`
[1] 1 6

$`2`
[1] 2 7

$`3`
[1] 3 8

$`4`
[1] 4 9

$`5`
[1]  5 10

还有一种可能是splitIndicespackage 的功能parallel：

library(parallel)
splitIndices(20, 3)

给出：

[[1]]
[1] 1 2 3 4 5 6 7

[[2]]
[1]  8  9 10 11 12 13

[[3]]
[1] 14 15 16 17 18 19 20

哇，这个问题比预期的要引人注目。

感谢您的所有想法。我想出了这个解决方案：

require(magrittr)
create.chunks <- function(x, elements.per.chunk){
    # plain R version
    # split(x, rep(seq_along(x), each = elements.per.chunk)[seq_along(x)])
    # magrittr version - because that's what people use now
    x %>% seq_along %>% rep(., each = elements.per.chunk) %>% extract(seq_along(x)) %>% split(x, .) 
}
create.chunks(letters[1:10], 3)
$`1`
[1] "a" "b" "c"

$`2`
[1] "d" "e" "f"

$`3`
[1] "g" "h" "i"

$`4`
[1] "j"

关键是使用seq（each = chunk.size）参数，以使其起作用。在我之前的解决方案中，使用seq_along的行为与rank（x）相似，但实际上能够使用重复的条目产生正确的结果。

这将拆分为大小为⌊n/k⌋+ 1或⌊n/k⌋的块，并且不使用O（n log n）排序。

get_chunk_id<-function(n, k){
    r <- n %% k
    s <- n %/% k
    i<-seq_len(n)
    1 + ifelse (i <= r * (s+1), (i-1) %/% (s+1), r + ((i - r * (s+1)-1) %/% s))
}

split(1:10, get_chunk_id(10,3))