R 如何在数据框列中首次出现多个值之间查找最小和最大中间项目数

我有一个因子向量，叫做47级的类别

Categories = as.factor(sort(make.unique(rep(letters, length.out = 47), sep='')))

[1] a  a1 b  b1 c  c1 d  d1 e  e1 f  f1 g  g1 h  h1 i  i1 j  j1 k  k1 l  l1 m  m1 n  n1 o  o1 p  p1 q  q1 r  r1 s  s1 t 
[40] t1 u  u1 v  w  x  y  z 
47 Levels: a a1 b b1 c c1 d d1 e e1 f f1 g g1 h h1 i i1 j j1 k k1 l l1 m m1 n n1 o o1 p p1 q q1 r r1 s s1 t t1 u u1 ... z

我有另一个向量叫做cat，它有9个级别

cat = Categories[c(7,42,43,24,45,26,35,6,15)]
[1] d  u1 v  l1 x  m1 r  c1 h 
47 Levels: a a1 b b1 c c1 d d1 e e1 f f1 g g1 h h1 i i1 j j1 k k1 l l1 m m1 n n1 o o1 p p1 q q1 r r1 s s1 t t1 u u1 ... z

我还有一个包含36行的数据框My_数据。数据框中的一列多次出现cat中的值

My_Data = data.frame(name = make.unique(rep(c(1:10,LETTERS), length.out = 36), sep=''), cat = sample(rep(cat,4),36,replace = FALSE), position = 0)

    name cat position
1     1   v        0
2     2   r        0
3     3   h        0
4     4  m1        0
5     5   h        0
6     6  u1        0
7     7  l1        0
8     8   h        0
9     9  u1        0
10   10   x        0
11    A   x        0
12    B   v        0
13    C   d        0
14    D  c1        0
15    E   r        0
16    F   v        0
17    G  l1        0
18    H   d        0
19    I  l1        0
20    J  c1        0
21    K  u1        0
22    L   x        0
23    M   v        0
24    N   d        0
25    O  l1        0
26    P  m1        0
27    Q   r        0
28    R  m1        0
29    S   h        0
30    T  m1        0
31    U  c1        0
32    V   d        0
33    W   r        0
34    X   x        0
35    Y  c1        0
36    Z  u1        0

使用下面的代码，我可以填充上面给出的位置列，以反映cat列中出现值的次数：

transform(My_Data, position = ave(as.character(cat), cat, FUN = seq_along))

dataframe My_数据的前15行如下所示：

    name cat position
1     1   v        1
2     2   r        1
3     3   h        1
4     4  m1        1
5     5   h        2
6     6  u1        1
7     7  l1        1
8     8   h        3
9     9  u1        2
10   10   x        1
11    A   x        2
12    B   v        2
13    C   d        1
14    D  c1        1
15    E   r        2

现在，我想计算cat列中任意两个连续出现的相同值之间的最小和最大中间项目数

---

我该怎么做？

如果我理解你的问题，这里有一个选项：

library(tidyverse)

# Data
Categories = as.factor(sort(make.unique(rep(letters, length.out = 47), sep='')))  
cat = Categories[c(7,42,43,24,45,26,35,6,15)]
# Set a seed for reproducibility
set.seed(5)
My_Data = data.frame(name = make.unique(rep(c(1:10,LETTERS), length.out = 36), sep=''), 
                     cat = sample(rep(cat,4),36,replace = FALSE), 
                     position = 0)

下面的代码总结了

cat

的每一级的最小和最大干预行数

# Summarise to give min and max number rows between each occurrence
My_Data %>%
  mutate(row=1:n()) %>% 
  group_by(cat) %>% 
  summarise(min.diff=min(diff(row)-1, na.rm=TRUE),
            max.diff=max(diff(row)-1, na.rm=TRUE))

# Add column with intervening number of rows between each occurrence in cat
My_Data %>%
  mutate(row=1:n()) %>% 
  group_by(cat) %>% 
  mutate(diff=c(NA,diff(row)-1)) %>%
  select(-row)

名称cat位置差异
1 c1 0 NA
2 m1 0 NA
3x0NA
4d0na
5 l1 0 NA
6 l10 0
7 r 0 NA
8 8 c1 06
9h0na
10伏0毫安

---

如果我理解你的问题，这里有一个选择：

library(tidyverse)

# Data
Categories = as.factor(sort(make.unique(rep(letters, length.out = 47), sep='')))  
cat = Categories[c(7,42,43,24,45,26,35,6,15)]
# Set a seed for reproducibility
set.seed(5)
My_Data = data.frame(name = make.unique(rep(c(1:10,LETTERS), length.out = 36), sep=''), 
                     cat = sample(rep(cat,4),36,replace = FALSE), 
                     position = 0)

下面的代码总结了

cat

的每一级的最小和最大干预行数

# Summarise to give min and max number rows between each occurrence
My_Data %>%
  mutate(row=1:n()) %>% 
  group_by(cat) %>% 
  summarise(min.diff=min(diff(row)-1, na.rm=TRUE),
            max.diff=max(diff(row)-1, na.rm=TRUE))

# Add column with intervening number of rows between each occurrence in cat
My_Data %>%
  mutate(row=1:n()) %>% 
  group_by(cat) %>% 
  mutate(diff=c(NA,diff(row)-1)) %>%
  select(-row)

名称cat位置差异
1 c1 0 NA
2 m1 0 NA
3x0NA
4d0na
5 l1 0 NA
6 l10 0
7 r 0 NA
8 8 c1 06
9h0na
10伏0毫安

---

下面是一个使用

lag（）

的简洁解决方案：

库（tidyverse）
#创建数据帧
种子（1）
类别%
突变（内部=行-滞后（行）-1）%>%
总结（min_inter=min（inter，na.rm=T），max_inter=max（inter，na.rm=T））

结果:

# A tibble: 9 x 3
     cat min_inter max_inter
  <fctr>     <dbl>     <dbl>
1     c1         0        10
2      d         4        11
3      h         0         8
4     l1         0         6
5     m1         1         3
6      r         0        16
7     u1         2         5
8      v         1        23
9      x         6        15

#一个tible:9 x 3
cat最小值与最大值之间
1 c1 0 10
2 d 4 11
3h08
4 l1 06
5 m1 13
6 r 0 16
7 u1 2 5
8伏123
9 x 6 15

这里有一个使用

lag（）的简洁解决方案。

：

库（tidyverse）
#创建数据帧
种子（1）
类别%
突变（内部=行-滞后（行）-1）%>%
总结（min_inter=min（inter，na.rm=T），max_inter=max（inter，na.rm=T））

结果:

# A tibble: 9 x 3
     cat min_inter max_inter
  <fctr>     <dbl>     <dbl>
1     c1         0        10
2      d         4        11
3      h         0         8
4     l1         0         6
5     m1         1         3
6      r         0        16
7     u1         2         5
8      v         1        23
9      x         6        15

#一个tible:9 x 3
cat最小值与最大值之间
1 c1 0 10
2 d 4 11
3h08
4 l1 06
5 m1 13
6 r 0 16
7 u1 2 5
8伏123
9 x 6 15