Question

我有一个data.frame，看起来像这个例子data.frame：

df = data.frame(id = c("a","b","c","d","e","f","g"), start = c(10,20,30,40,50,60,70), end = c(15,25,35,45,55,65,75), flag = c(0,1,1,0,1,0,1))
> df
  id start end flag
1  a    10  15    0
2  b    20  25    1
3  c    30  35    1
4  d    40  45    0
5  e    50  55    1
6  f    60  65    0
7  g    70  75    1

它按df$start然后df$end按升序排序。我正在寻找一个函数，它将df$flag == 1的所有行合并，而不是由df$flag == 0行干预。合并的行应将df$id与逗号分隔符连接起来，df$start应该是min df$start行的df$end，max应该是df$end df$flag行的行。最后，data.frame对他们来说应该是1。

因此，对于此示例，返回res.df = data.frame(id = c("a","b,c","d","e","f","g"), start = c(10,20,40,50,60,70), end = c(15,35,45,55,65,75), flag = c(0,1,0,1,0,1)) > res.df id start end flag 1 a 10 15 0 2 b,c 20 35 1 3 d 40 45 0 4 e 50 55 1 5 f 60 65 0 6 g 70 75 1应为：

{{1}}

Answer 1

这很难与aggregate一起使用，因为相同的函数依次应用于每个列。多次调用aggregate可以完成此操作，然后合并。但是，data.table允许在同一个调用中使用不同的聚合函数：

library(data.table)
d <- data.table(df)

d[,list(id=paste(id, collapse=','), start=min(start), end=max(end)), 
  by=list(flag, cumsum(flag==0))
]
   flag cumsum  id start end
1:    0      1   a    10  15
2:    1      1 b,c    20  35
3:    0      2   d    40  45
4:    1      2   e    50  55
5:    0      3   f    60  65
6:    1      3   g    70  75

您最终会得到一个新列，如果需要可以将其删除。 cumsum(flag==0)上的条件会阻止任何包含flag==0的行在聚合中合并，并在结果中将非连续flag==1值分开。

Answer 2

以下是base使用aggregate和merge的解决方案：

merge(merge(aggregate(start ~ flag + cumsum(flag==0), data=df, FUN=min), 
           aggregate(end ~ flag + cumsum(flag==0), data=df, FUN=max)
      ), 
     aggregate(id ~ flag + cumsum(flag==0), data=df, FUN=paste, sep=',')
)
  flag cumsum(flag == 0) start end   id
1    0                 1    10  15    a
2    0                 2    40  45    d
3    0                 3    60  65    f
4    1                 1    20  35 b, c
5    1                 2    50  55    e
6    1                 3    70  75    g

如果您使用Reduce和数据框列表进行合并，则代码更具可读性：

Reduce(merge, list(aggregate(start ~ flag + cumsum(flag==0), data=df, FUN=min), 
                   aggregate(end   ~ flag + cumsum(flag==0), data=df, FUN=max),
                   aggregate(id    ~ flag + cumsum(flag==0), data=df, FUN=paste, sep=',')
              )
)

组合data.frame中的行

2 个答案: