R 如果值之间的间隔小于3个位置，则通过分组值查找范围hi/low

我的数据由4列组成：日期、低位、高位和位置

我试图通过根据位置字段将数据汇总成组来找到范围

如果差异（位置）<3，则将数据分组，并对每组应用范围函数

如果差异（位置）>=3，则仅计算当前点和上一点的范围

前15个位置的示例，数据的第4个字段：

c(12,14,17,18,19,20,21,22,24,28,33,36,37,38,43)

---

预期结果是分组

（12,14）

，然后

（17:24）

，

（24,28）

，

（28,33）

，

（33,36）

，

（36:38）

，最后

（38,43）

，并找到每个组的范围。

使用

IRanges

：

require(IRanges)
x <- c(12,14,17,18,19,20,21,22,24,28,33,36,37,38,43)
o <- reduce(IRanges(x, width=1), min.gapwidth=2)

这解决了你一半的问题。在

width=1

的位置，您希望获得适当的先前值。那么，让我们将其转换为data.frame

o <- as.data.frame(o)
o$start[o$width == 1] <- o$end[which(o$width == 1)-1]
o$width <- NULL

#   start end
# 1    12  14
# 2    17  24
# 3    24  28
# 4    28  33
# 5    36  38
# 6    38  43

---

o这里有一个函数，它使用基R函数返回根据所述规则分组的位置索引列表。如果值可能不是单调的，而您只关心绝对差异，我认为将
diff（x）
更改为
abs（diff（x））
（并删除随后的单调性检查）就足够了

这里有一个使用
diff
识别组之间边界的选项

groupBy <- function(dat, thresh=3)  {
    # bounds will grab the *END* of every group (except last element)
    bounds <- which(! diff(dat) < thresh) 

    # add the last index of dat to the "stops" indecies
    stops  <- c(bounds, length(dat))

    # starts are 1 more than the bounds. We also add the first element 
    starts <- c(1, bounds+1) 

    # mapply to get `seq(starts, stops)`
    indecies <- mapply(seq, from=starts, to=stops)

    # return: lapply over each index to get the results
    lapply(indecies, function(i) dat[i])
}

groupBy我认为沿位置字段创建一个因子字段，在大于等于3的位置的每个“间隙”处增加1，可以解决一半的问题，使重叠问题仍然存在。我想的因子域看起来像c（1,1,2,2,2,2,2,2,3,4,5,5,5,6）不应该也包括在输出组中吗？是的，你是对的，应该包括（14,17）。谢谢你的回答！熟悉BioLite（）软件包。我的安装有问题。但它现在起作用了。谢谢你的回答，我更喜欢使用apply函数族，你的代码做到了。我感谢所有三个答复。谢谢大家！面向对象，当一个元素有背对背的组时，代码原样会生成分组错误。当数据为：dat 3但被分组在一个组中时。@user2004820，太棒了。对不起，我原来没看到。请看编辑（现在包装在一个很好的小功能中！）非常好，非常感谢！！
ir <- IRanges(x, width = 1)
o1 <- reduce(ir, min.gapwidth = 2)
o2 <- gaps(o1)
start(o2) <- start(o2) - 1
end(o2) <- end(o2) + 1
o1 <- as.data.frame(o1[width(o1) > 1])
o2 <- as.data.frame(o2)
out <- rbind(o1, o2)
out <- out[with(out, order(start, end)), ]

#   start end width
# 1    12  14     3
# 4    14  17     4
# 2    17  24     8
# 5    24  28     5
# 6    28  33     6
# 7    33  36     4
# 3    36  38     3
# 8    38  43     6

groupIndexes <- function(x, gap=3) {
    d <- diff(x)
    # currently assuming x is in increasing order
    if (any(d<0)) stop("x must be monotonically increasing")
    is.near <- (d < gap)
    # catch case of a single group
    if (all(is.near)) return(list(seq_along(x)))
    runs <- rle(ifelse(is.near, 0, seq_along(is.near)))
    gr <- rep(seq.int(runs$lengths), times=runs$lengths)
    lapply(unique(gr), function(i) {
        ind <- if(runs$values[i]>0) {
            match(i, gr)
        } else {
            which(gr==i)
        }
        c(ind, max(ind)+1)
    })
}

x <- c(12,14,17,18,19,20,21,22,24,28,33,36,37,38,43)
lapply(groupIndexes(x), function(ind) x[ind])

lapply(groupIndexes(dat$position), function(ind) range(dat$low[ind]))

groupBy <- function(dat, thresh=3)  {
    # bounds will grab the *END* of every group (except last element)
    bounds <- which(! diff(dat) < thresh) 

    # add the last index of dat to the "stops" indecies
    stops  <- c(bounds, length(dat))

    # starts are 1 more than the bounds. We also add the first element 
    starts <- c(1, bounds+1) 

    # mapply to get `seq(starts, stops)`
    indecies <- mapply(seq, from=starts, to=stops)

    # return: lapply over each index to get the results
    lapply(indecies, function(i) dat[i])
}

dat1 <- c(12,14,17,18,19,20,21,22,24,28,33,36,37,38,43)
dat2 <- c(5,6,7,9,13,17,21,35,36,41)

groupBy(dat1)
groupBy(dat2)
groupBy(dat2, 5)