代码之家 › 专栏 › 技术社区 › L Tyrone Mario Cardoso

使用dplyr将值从正更改为负时的新组ID

dplyr r

0

L Tyrone Mario Cardoso · 技术社区 · 2 年前

搜索了SO,很惊讶我找不到解决方案,希望不是重复的。也许这更多的是一个逻辑问题,而不是R问题本身,但希望能找到:

概述的行为发生的原因,以及;
如果我使用 ifelse() 具有 cumsum() 问题是,如何在 dplyr 不使用 ifelse() , cumsum() ,或两者兼而有之。

library(dplyr)

# Sample data
df <- data.frame(X = c(-10.9, -8.2, -6.3, -2.2, -0.3, 1.3, 4.6, -4.9, 3.6, 0, 1.8, 4.2, 9.8))

所需输出:

       X tile_x
1  -10.9      0
2   -8.2      0
3   -6.3      0
4   -2.2      0
5   -0.3      0
6    1.3      0
7    4.6      0
8   -4.9      1
9   -3.6      1
10   0.0      1
11   1.8      1
12   4.2      1
13   9.8      1

当我尝试时:

df1 <- df %>%
  mutate(tile_x = cumsum(ifelse(X < 0 & dplyr::lag(X, n = 1) > 0,
                                1, 0)))

df1
       X tile_x
1  -10.9     NA
2   -8.2     NA
3   -6.3     NA
4   -2.2     NA
5   -0.3     NA
6    1.3     NA
7    4.6     NA
8   -4.9     NA
9   -3.6     NA
10   0.0     NA
11   1.8     NA
12   4.2     NA
13   9.8     NA

这个 ifelse() 没有 cumsum() 确定组的正确起始位置,但包括 cumsum() 产生NA。

我可以使用以下方法实现所需输出:

df1 <- df %>% 
  mutate(tile_x = cumsum(ifelse(X > 0 & dplyr::lead(X, n = 1) < 0,
                                1, 0)),
         tile_x = dplyr::lag(tile_x),
         tile_x = replace(tile_x, is.na(tile_x ), 0))

但这看起来有点不整洁 dplyr 。注释如果从1开始,tile_x中的第一个值不必是0,这更容易实现。每组的长度各不相同,但图案相同。

2 回复 | 直到 2 年前

1

2

ThomasIsCoding 2 年前

希望 diff 对于 sign(X) 对你来说很有意义

> df %>%
+   mutate(tile_x = cumsum(c(FALSE, diff(sign(X)) < 0)))
       X tile_x
1  -10.9      0
2   -8.2      0
3   -6.3      0
4   -2.2      0
5   -0.3      0
6    1.3      0
7    4.6      0
8   -4.9      1
9   -3.6      1
10   0.0      1
11   1.8      1
12   4.2      1
13   9.8      1

或 findInterval

> df %>%
+   mutate(tile_x = findInterval(row_number(), 1 + which(diff(sign(X)) < 0)))
       X tile_x
1  -10.9      0
2   -8.2      0
3   -6.3      0
4   -2.2      0
5   -0.3      0
6    1.3      0
7    4.6      0
8   -4.9      1
9   -3.6      1
10   0.0      1
11   1.8      1
12   4.2      1
13   9.8      1

2

1

margusl 2 年前

默认情况下,的第一个值 lag() 输出为 NA ,这会影响 cumsum() 结果:

c(1,2,3) |> cumsum()
#> [1] 1 3 6
c(1,2,3) |> dplyr::lag()
#> [1] NA  1  2
c(1,2,3) |> dplyr::lag() |> cumsum()
#> [1] NA NA NA

这可以通过设置默认值来解决,即。 lag(..., default = 0) :

c(1,2,3) |> dplyr::lag(default = 0) |> cumsum()
#> [1] 0 1 3

此外,不需要使用将逻辑矢量转换为数字 ifelse() :

library(dplyr, warn.conflicts = FALSE)
df <- data.frame(X = c(-10.9, -8.2, -6.3, -2.2, -0.3, 1.3, 4.6, -4.9, 3.6, 0, 1.8, 4.2, 9.8))
df %>%
  mutate(tile_x = cumsum(X < 0 & lag(X, default = 0) > 0))
#>        X tile_x
#> 1  -10.9      0
#> 2   -8.2      0
#> 3   -6.3      0
#> 4   -2.2      0
#> 5   -0.3      0
#> 6    1.3      0
#> 7    4.6      0
#> 8   -4.9      1
#> 9    3.6      1
#> 10   0.0      1
#> 11   1.8      1
#> 12   4.2      1
#> 13   9.8      1

^{创建于2023-11-19

reprex v2.0.2}