Question

考虑data.table包含id1，id2之间多年匹配的id1 year id2 1: 51557094 2003 65122111 2: 51557094 2004 65122111 3: 51557094 2005 65122111 4: 51557094 2007 65122111 5: 51557094 2008 65122111 6: 51557093 2006 65122111。

        id1 year      id2 length
1: 51557094 2003 65122111      3
2: 51557094 2007 65122111      2
3: 51557093 2006 65122111      1

对于任何这些比赛，我想找出比赛的持续时间以及比赛开始的年份。如果特定年份没有数据，则匹配结束（如果再次有数据，则下一年将开始新匹配。）

因此，对于上面的样本数据，预期输出将是

> dtId
        id1 year      id2
1: 51557094 2003 65122111
2: 51557094 2004 65122111
3: 51557094 2005 65122111
4: 51557094 2007 65122111
5: 51557094 2008 65122111
6: 51557094 2006 65122112

> setkey(dtId, id1, id2, year)
> dtId[,grp := cumsum(c(1,diff(year)) > 1),by=id1]
> dtId[,list(year=year[1],length=length(year)),by=list(id1,id2,grp)]
        id1      id2 grp year length
1: 51557094 65122111   0 2003      5
2: 51557094 65122112   0 2006      1

我接受了其中一个答案，因为它给我带来了足够的意义，但注意到它不正确。虽然它适用于样本数据，但不适用于以下

grp

相反，在id1, id2上创建匹配变量> dtId[,grp := cumsum(c(1,diff(year)) > 1),by=list(id1, id2)] > dtId[,list(year=year[1],length=length(year)),by=list(id1,id2,grp)] id1 id2 grp year length 1: 51557094 65122111 0 2003 3 2: 51557094 65122112 0 2006 1 3: 51557094 65122111 1 2007 2可以解决问题：

{{1}}

Answer 1

尝试：

dat[,grp := cumsum(c(1,diff(year)) > 1),by=list(id1,id2)]
dat[,list(year=year[1],length=length(year)),by=list(id1,id2,grp)]

#        id1      id2 grp year length
#1: 51557094 65122111   0 2003      3
#2: 51557094 65122111   1 2007      2
#3: 51557093 65122111   0 2006      1

Answer 2

首先，让我们构建你的表

library(data.table)
dtId <- data.table(
  id1 = c(rep(51557094, 5), 51557093),
  year = c(2000 + c(3, 4, 5, 7, 8, 6)),
  id2 = rep(65122111, 6)
  )

我们可以对它进行排序并添加一个＆＃34; newMatch＆＃34;如果新匹配开始，则为TRUE的列，即与上一行相比，年份没有增加1。

dtId <- dtId[order(id1, id2, year)]
dtId[, newMatch := c(FALSE, year[-1] != year[-.N] + 1)]

现在我们可以添加＆＃34;匹配＆＃34;列是哪个值是匹配ID，我们可以聚合。

dtId[, match := cumsum(newMatch)]
dtAggr <- dtId[
  , list(year = min(year), length = .N),
  by = c("id1", "id2", "match")
  ]

删除＆＃34;匹配＆＃34;我们有预期的结果。

dtAggr[, match := NULL]
dtAggr

连续行数

2 个答案: