对r中的行进行分组、比较和计数
我有一个如下所示的数据框:对r中的行进行分组、比较和计数,r,grouping,counting,R,Grouping,Counting,我有一个如下所示的数据框: system Id initial final 665 9 16001 6070 6071 683 10 16001 6100 6101 696 11 16001 6101 6113 712 10 16971 6150 6151 715 11 16971 6151 6163 4966 7 4118 10238 10242 5031 9
system Id initial final
665 9 16001 6070 6071
683 10 16001 6100 6101
696 11 16001 6101 6113
712 10 16971 6150 6151
715 11 16971 6151 6163
4966 7 4118 10238 10242
5031 9 4118 10260 10278
5088 10 4118 10279 10304
5115 11 4118 10305 10317
structure(list(system = c(9L, 10L, 11L, 10L, 11L, 7L, 9L, 10L,
11L), Id = c(16001L, 16001L, 16001L, 16971L, 16971L, 4118L, 4118L,
4118L, 4118L), initial = c(6070, 6100, 6101, 6150, 6151, 10238,
10260, 10279, 10305), final = c(6071, 6101, 6113, 6151, 6163,
10242, 10278, 10304, 10317)), .Names = c("system", "Id", "initial",
"final"), row.names = c(665L, 683L, 696L, 712L, 715L, 4966L,
5031L, 5088L, 5115L), class = "data.frame")
我想用下一个结构得到一个新的数据帧
Id system length initial final
1 16001 9,10,11 3 6070 6113
2 16971 10,11 2 6150 6163
3 4118 7 1 10238 10242
4 4118 9,10,11 3 10260 10317
structure(list(Id = c(16001L, 16971L, 4118L, 4118L), system = structure(c(3L,
1L, 2L, 3L), .Label = c("10,11", "7", "9,10,11"), class = "factor"),
length = c(3L, 2L, 1L, 3L), initial = c(6070L, 6150L, 10238L,
10260L), final = c(6113, 6163, 10242, 10317)), .Names = c("Id",
"system", "length", "initial", "final"), class = "data.frame", row.names = c(NA,
-4L))
分组是按Id进行的,“系统”字段中的差异(行之间)等于1。此外,我还想了解不同的“系统”,以及其中有多少涉及分组。最后是一个包含第一个“首字母”和最后一个“最终字母”的专栏
在r中有可能做到这一点吗?
谢谢。您可以使用
数据表。将“data.frame”转换为“data.table”(setDT
),将“system”(diff(system)
)的相邻元素之差,cumsum
作为逻辑向量,创建一个分组变量“indx”,使用“Id”和“indx”作为分组变量获得统计信息
library(data.table)
setDT(df)[,list(system=toString(system), length=.N, initial=initial[1L],
final=final[.N]), by=list(Id,indx=cumsum(c(TRUE, diff(system)!=1)))][,
indx:=NULL][]
# Id system length initial final
#1: 16001 9, 10, 11 3 6070 6113
#2: 16971 10, 11 2 6150 6163
#3: 4118 7 1 10238 10242
#4: 4118 9, 10, 11 3 10260 10317
或者根据@jazzurro关于使用dplyr
中的first/last
函数的评论
library(dplyr)
df %>%
group_by(indx=cumsum(c(TRUE, diff(system)!=1)), Id) %>%
summarise(system=toString(system), length=n(),
initial=first(initial), final=last(final))
没有数据的解决方案。表
,但plyr:
library(plyr)
func = function(subdf)
{
bool = c(diff(subdf$system),1)==1
ldply(split(subdf, bool), function(u){
data.frame(system = paste(u$system, collapse=','),
Id = unique(u$Id),
length = nrow(u),
initial= head(u,1)$initial,
final = tail(u,1)$final)
})
}
ldply(split(df, df$Id), func)
# .id system length Id initial final
#1 FALSE 7 1 4118 10238 10242
#2 TRUE 9,10,11 3 4118 10260 10317
#3 TRUE 9,10,11 3 16001 6070 6113
#4 TRUE 10,11 2 16971 6150 6163
使用
first()
和last()
是否可以作为另一种选择first()
是来自dplyr的。@jazzurro我认为它很管用。您可以将其作为dplyr解决方案发布。我仍然想知道在data.table
中使用dplyr
中的一些函数是否是一件好事。dplyr
解决方案将只是对代码的翻译。如果你愿意写一篇,请继续。我将把它留给你。:)@jazzurro我认为dplyr函数应该在这里工作setDT(df)[,list(system=toString(system),length=.N,initial=first(initial),final=last(final)),by=list(Id,indx=cumsum(c(TRUE,diff(system)!=1))
我刚刚确认了这一点。感谢您测试此想法。:)