Question

以下是我的数据的一个子集：

> head(dt)

   name    start     end
1:    1  3195984 3197398
2:    1  3203519 3205713
3:    2  3204562 3207049
4:    2  3411782 3411982 
5:    2  3660632 3661579
6:    3  3638391 3640590

dt <- data.frame(name = c(1, 1, 2, 2, 2, 3), start = c(3195984, 
3203519, 3204562, 3411782, 3660632, 3638391), end = c(3197398, 
3205713, 3207049, 3411982, 3661579, 3640590))

我想计算另一个值：第n行的结束坐标与第n + 1行的起始坐标之间的差异，但仅当两个元素共享一个名称时。详细说明这就是我想要的结果数据框：

   name    start     end    dist
1:    1  3195984 3197398
2:    1  3203519 3205713   -6121
3:    2  3204562 3207049
4:    2  3411782 3411982 −204733
5:    2  3660632 3661579 −248650
6:    3  3638391 3640590

我想这样做的原因是我正在寻找积极的dist值。我尝试过这种方法的一种方法是偏移开始和结束坐标，但后来我遇到了一个问题，即我用不同的名字比较事物。

如何在R中做到这一点？

Answer 1

data.table解决方案可能会很好：

library(data.table)
dt <- as.data.table(dt)
dt[, dist := c(NA, end[-(length(end))] - start[-1]) , by=name]
dt

#   name   start     end    dist
#1:    1 3195984 3197398      NA
#2:    1 3203519 3205713   -6121
#3:    2 3204562 3207049      NA
#4:    2 3411782 3411982 -204733
#5:    2 3660632 3661579 -248650
#6:    3 3638391 3640590      NA

假设您的数据已排序，您也可以使用基本R函数进行排序：

dt$dist <- unlist(
  by(dt, dt$name, function(x) c(NA, x$end[-(length(x$end))] - x$start[-1]) )
)

Answer 2

使用dplyr（带有@thelatemail的信用来计算dist）：

library(dplyr)

dat.new <- dt %.%
  group_by(name) %.%
  mutate(dist = c(NA, end[-(length(end))] - start[-1]))

Answer 3

这是一个不同的dplyr解决方案：

dt %.% group_by(name) %.% mutate(dist = lag(end) - start)

，并提供：

Source: local data frame [6 x 4]
Groups: name

  name   start     end    dist
1    1 3195984 3197398      NA
2    1 3203519 3205713   -6121
3    2 3204562 3207049      NA
4    2 3411782 3411982 -204733
5    2 3660632 3661579 -248650
6    3 3638391 3640590      NA

R：使用相同的标识符计算数据帧中元素之间的偏移差异

3 个答案: