代码之家 › 专栏 › 技术社区 › jakes

如何定义具有附加列条件的运行长度序列

tidyverse dplyr r

jakes · 技术社区 · 7 年前

this thread . 与此类似,我需要定义一个group column的运行长度类型id(忽略 NA seq_break 表示序列应该在 seq_break = TRUE ,而事实上,它应该作为上一个序列的最后一个事件包含。示例数据附在下面。这种差异可以在一行中观察到 46 13 在这里,我需要把它按顺序包括进去 12

df <- structure(list(group = c(NA, NA, "home", "home", "home", "home", 
"home", "home", "away", NA, NA, "home", "home", "home", NA, NA, 
NA, "home", "away", "away", NA, "away", "away", "away", "home", 
"away", "away", "away", NA, "home", "home", NA, NA, "away", NA, 
NA, "home", NA, NA, "home", "home", "home", "home", "home", "home", 
"home", "away", "away", NA, NA), seq_break = c(FALSE, FALSE, 
FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, TRUE, 
FALSE, FALSE, FALSE, TRUE, TRUE, TRUE, FALSE, FALSE, FALSE, TRUE, 
FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE, 
FALSE, TRUE, TRUE, FALSE, TRUE, FALSE, FALSE, TRUE, TRUE, FALSE, 
FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE, FALSE, TRUE, 
TRUE), expected_output = c(NA, NA, 1, 1, 1, 1, 1, 1, 2, NA, NA, 
3, 3, 3, NA, NA, NA, 4, 5, 5, NA, 6, 6, 6, 7, 8, 8, 8, NA, 9, 
9, NA, NA, 10, NA, NA, 11, NA, NA, 12, 12, 12, 12, 12, 12, 12, 
13, 13, NA, NA)), .Names = c("group", "seq_break", "expected_output"
), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-50L))

你有没有什么办法 tidyverse cumsum 可以在这里替换。。。

2 回复 | 直到 7 年前

www 7 年前

我们可以创建一个新列来调用 seq_break2 并添加到管道中,如下所示。这将创建与预期输出相同的结果。

library(tidyverse)
library(data.table)

df2 <- df %>% 
  select(-expected_output) %>%
  rowid_to_column() 

df3 <- df2 %>%
  mutate(seq_break2 = ifelse(seq_break & !is.na(group), FALSE, seq_break)) %>%
  mutate(ID = rleid(group, seq_break2)) %>%
  group_by(group, seq_break2, ID) %>%
  filter(!(is.na(group) & seq_break2 & row_number() > 1)) %>%
  ungroup() %>%
  mutate(ID2 = cumsum(seq_break2)) %>%
  drop_na(group) %>%
  mutate(expected_output = rleid(group, ID2)) %>%
  select(rowid, expected_output) %>%
  left_join(df2, ., by = "rowid") %>%
  select(-rowid)

Frank 7 年前

正在使用rleid和shift from data.table。。。

library(data.table)
setDT(df)

# make groups
df[, v := rleid(group, shift(cumsum(seq_break)))]

# drop if group is NA
df[is.na(group), v := NA]

# renumber the others
df[!is.na(group), v := .GRP, by=v]

# check
stopifnot( df[, all.equal(v, expected_output)] )

seq_break 列在示例中实际上是不相关的,因此我不确定是否正确使用了它:

df[, v2 := rleid(group)][is.na(group), v2 := NA][!is.na(group), v2 := .GRP, by=v2]

# check
stopifnot( df[, all.equal(v2, expected_output)] )

library(dplyr)
res = df  %>% mutate(
  v2 = data.table::rleid(group) %>% replace(is.na(group), NA),
  v2 = match(v2, na.omit(unique(v2)))
) 

# check
stopifnot( with(res, all.equal(v2, expected_output)) )

推荐文章

Amp · 使用R ggplot2删除geom_radial中axis.line和panel.border之间的空格

1 年前

Hard_Course · 用另一列中的值替换行的最后一个非NA条目

1 年前

Mark R · 使用geom_sf()删除地球仪上不需要的网格线

1 年前

Joe · 根据对工作日和本周早些时候的日期的了解,找到一个日期

1 年前

Ben · 统计向量中的单词在字符串中出现的频率

1 年前

TheCodeNovice · R中符号格式的尾随零和其他问题[重复]

1 年前

katefull06 · 在R中使用terra修改范围时,会为单独的SpatRaster重写范围

1 年前

dez93_2000 · 在R管道子功能中引用管道对象的当前状态

1 年前

accibio · 在ggplot2中为同一变量创建两个连续的颜色渐变比例

1 年前

Mankka · 如何在Ggplot2中绘制均匀的径向图

1 年前