R 将值减去另一列中最近的特定字符串
假设我有一个数据R 将值减去另一列中最近的特定字符串,r,R,假设我有一个数据df，如下所示。总共有20行，列string中有四种类型的字符串：“A”、“B”、“C”和“D” 通过从上一行减去列位置中的值，我可以通过执行以下命令获得第四列距离： df$distance <- ave(df$position, FUN=function(x) c(0, diff(x))) 然而，我希望得到的是每个字符串在列位置到最近的前一个字符串“C”的距离，例如下面7,8和17的变化： no string position distance 1 B
dfstring位置距离df$distance <- ave(df$position, FUN=function(x) c(0, diff(x)))
列位置no string position distance
1 B 650 0
2 C 651 1
3 B 659 8
4 C 660 1
5 C 662 2
6 B 663 1
7 D 668 6
8 D 670 8
9 C 671 1
10 B 672 1
11 C 673 1
12 A 681 8
13 C 682 1
14 B 683 1
15 C 684 1
16 D 690 6
17 A 692 8
18 C 693 1
19 D 694 1
20 C 695 1
我怎样才能做到？顺便问一下，我可以知道如何获得与列
字符串中最近的下一个“C”
#Taken from your code
df$distance <- ave(df$position, FUN=function(x) c(0, diff(x)))
#logical values indicating occurrence of "C"
c_occur = df$string == "C"
#We can ignore first two values in each group since,
#First value is "C" and second value is correctly calculated from previous row
#Get the indices where we need to replace the values
inds_to_replace = which(ave(df$string, cumsum(c_occur), FUN = seq_along) > 2)
#Get the closest occurrence of "C" from the inds_to_replace
c_to_replace <- sapply(inds_to_replace, function(x) {
new_inds <- which(c_occur)
max(new_inds[(x - new_inds) > 0])
#To get distance from "nearest next "C" replace the above line with
#new_inds[which.max(x - new_inds < 0)]
})
#Replace the values
df$distance[inds_to_replace] <- df$position[inds_to_replace] -
df$position[c_to_replace]
df[inds_to_replace, ]
# no string position distance
#7 7 D 668 6
#8 8 D 670 8
#17 17 A 692 8
#取自您的代码
df$距离2）
#从inds_到_替换中获取最接近的“C”匹配项
c_to_replace这是一个数据。表
方式：
dtt[, distance := c(0, diff(position))]
dtt[cumsum(string == 'C') > 0,
distance := ifelse(seq_len(.N) == 1, distance, position - position[1]),
by = cumsum(string == 'C')]
# no string position distance
# 1: 1 B 650 0
# 2: 2 C 651 1
# 3: 3 B 659 8
# 4: 4 C 660 1
# 5: 5 C 662 2
# 6: 6 B 663 1
# 7: 7 D 668 6
# 8: 8 D 670 8
# 9: 9 C 671 1
# 10: 10 B 672 1
# 11: 11 C 673 1
# 12: 12 A 681 8
# 13: 13 C 682 1
# 14: 14 B 683 1
# 15: 15 C 684 1
# 16: 16 D 690 6
# 17: 17 A 692 8
# 18: 18 C 693 1
# 19: 19 D 694 1
# 20: 20 C 695 1
这里是dtt的
structure(list(no = 1:20, string = c("B", "C", "B", "C", "C",
"B", "D", "D", "C", "B", "C", "A", "C", "B", "C", "D", "A", "C",
"D", "C"), position = c(650L, 651L, 659L, 660L, 662L, 663L, 668L,
670L, 671L, 672L, 673L, 681L, 682L, 683L, 684L, 690L, 692L, 693L,
694L, 695L)), row.names = c(NA, -20L), class = c("data.table",
"data.frame"), .internal.selfref = <pointer: 0x1939260>)
以下tidyverse
方法再现了您的预期输出
问题描述：计算当前行的位置
与上一行的差异；如果没有先前的string=“C”
行，或者该行本身有string=“C”
，则距离由当前行和先前行之间的位置差给出（与string
无关）
库（tidyverse）
df%>%
变异（nC=cumsum（string==“C”））%>%
分组依据（nC）%>%
突变（dist=cumsum（c（0，diff（位置）））%>%
解组（）%>%
变异（dist=if_else（dist==0，c（0，diff（位置）），dist））%>%
选择（-nC）
##一个tibble:20x4
#无字符串位置距离
#
#11B6500。
#2 C 651 1。
#33B659 8。
#4 C 660 1。
#5 C 662 2。
#6B6631。
#7 D 668 6。
#8D6708。
#9 C 671 1。
#1010b6721。
#11 C 673 1。
#12 A 681 8。
#13 C 682 1。
#14 B 683 1。
#15 C 684 1。
#16 D 690 6。
#17 A 692 8。
#18 C 693 1。
#19 D 694 1。
#20 C 695 1。
样本数据
df@RonakShah我向您道歉。我在表格中有一个输入错误，并且已经纠正了它。”获取每个字符串在列位置到最近的前一个字符串“C”的距离，例如下面7、8和17的变化“对不起，我真的很难理解您的预期输出以及您试图计算的内容。您是否在询问字符串距离（例如，D和A之间相隔多少个字母）？字母“C”和它有什么关系？这只是一个例子吗？还是“C”是推荐信？“7、8和17的变化”指的是什么值？我在任何地方都看不到值17。[继续]如果您能详细说明前5行的距离的计算，可能会有所帮助。您好@MauritsEvers。我为我的困惑道歉。例如，在第17行，位置
值为692，表示字符串
“A”（非“C”）。我希望从最近的前一个“C”中得到减法，即第15行684位。所以我希望列distance
的值为692-684=8，而不是只有减去前一行才能得到的2。我希望对每一个非“C”和它最近的前一个C都这样做。希望这能澄清。你不能初始化df$distance吗
dtt[, distance := c(0, diff(position))]
dtt[cumsum(string == 'C') > 0,
distance := ifelse(seq_len(.N) == 1, distance, position - position[1]),
by = cumsum(string == 'C')]
# no string position distance
# 1: 1 B 650 0
# 2: 2 C 651 1
# 3: 3 B 659 8
# 4: 4 C 660 1
# 5: 5 C 662 2
# 6: 6 B 663 1
# 7: 7 D 668 6
# 8: 8 D 670 8
# 9: 9 C 671 1
# 10: 10 B 672 1
# 11: 11 C 673 1
# 12: 12 A 681 8
# 13: 13 C 682 1
# 14: 14 B 683 1
# 15: 15 C 684 1
# 16: 16 D 690 6
# 17: 17 A 692 8
# 18: 18 C 693 1
# 19: 19 D 694 1
# 20: 20 C 695 1
structure(list(no = 1:20, string = c("B", "C", "B", "C", "C",
"B", "D", "D", "C", "B", "C", "A", "C", "B", "C", "D", "A", "C",
"D", "C"), position = c(650L, 651L, 659L, 660L, 662L, 663L, 668L,
670L, 671L, 672L, 673L, 681L, 682L, 683L, 684L, 690L, 692L, 693L,
694L, 695L)), row.names = c(NA, -20L), class = c("data.table",
"data.frame"), .internal.selfref = <pointer: 0x1939260>)
dtt[, distance := c(0, diff(position))]
dtt[, g := rev(cumsum(rev(string == 'C')))]
dtt[g > 0, distance := ifelse(seq_len(.N) == .N, distance, abs(position - position[.N])), by = g]
dtt[, g := NULL]
# no string position distance
# 1: 1 B 650 1
# 2: 2 C 651 1
# 3: 3 B 659 1
# 4: 4 C 660 1
# 5: 5 C 662 2
# 6: 6 B 663 8
# 7: 7 D 668 3
# 8: 8 D 670 1
# 9: 9 C 671 1
# 10: 10 B 672 1
# 11: 11 C 673 1
# 12: 12 A 681 1
# 13: 13 C 682 1
# 14: 14 B 683 1
# 15: 15 C 684 1
# 16: 16 D 690 3
# 17: 17 A 692 1
# 18: 18 C 693 1
# 19: 19 D 694 1
# 20: 20 C 695 1
library(tidyverse)
df %>%
mutate(nC = cumsum(string == "C")) %>%
group_by(nC) %>%
mutate(dist = cumsum(c(0, diff(position)))) %>%
ungroup() %>%
mutate(dist = if_else(dist == 0, c(0, diff(position)), dist)) %>%
select(-nC)
## A tibble: 20 x 4
# no string position dist
# <int> <fct> <int> <dbl>
# 1 1 B 650 0.
# 2 2 C 651 1.
# 3 3 B 659 8.
# 4 4 C 660 1.
# 5 5 C 662 2.
# 6 6 B 663 1.
# 7 7 D 668 6.
# 8 8 D 670 8.
# 9 9 C 671 1.
#10 10 B 672 1.
#11 11 C 673 1.
#12 12 A 681 8.
#13 13 C 682 1.
#14 14 B 683 1.
#15 15 C 684 1.
#16 16 D 690 6.
#17 17 A 692 8.
#18 18 C 693 1.
#19 19 D 694 1.
#20 20 C 695 1.
df <- read.table(text =
"no string position
1 B 650
2 C 651
3 B 659
4 C 660
5 C 662
6 B 663
7 D 668
8 D 670
9 C 671
10 B 672
11 C 673
12 A 681
13 C 682
14 B 683
15 C 684
16 D 690
17 A 692
18 C 693
19 D 694
20 C 695", header = T)