Question

我的数据框看起来像这个玩具示例：

Ind     ID    RegionStart     RegionEnd    Value     TN
1       A       1              100           3       N
1       A       101            200           2       N
2       A       1              100           3       T
2       A       101            200           2       T
3       B       1              100           3       N
3       B       101            200           2       N
4       B       1              100           5       T
4       B       101            200           5       T

我有4个人，实际上是2对（参考，N和主题，T）。为简单起见，只有2对，只有2个区域。在我的真实文件中，有> 500对和> 60,000个区域。这些区域都有相同的开始和结束，因此没有重叠。

我想做的是根据ID + region匹配个人，如果

该区域的N个体的Value是！= 3（不等于3）＆amp;
N-individual＆amp;的Value该区域中的T-个体匹配（例如，N-ind = 2＆amp; T-ind = 2），

然后在N＆amp;中更改相应的Value T个人到3。

上面的结果表是：

Ind     ID    RegionStart     RegionEnd    Value     TN
1       A       1              100           3       N
1       A       101            200           3       N
2       A       1              100           3       T
2       A       101            200           3       T
3       B       1              100           3       N
3       B       101            200           2       N
4       B       1              100           5       T
4       B       101            200           5       T

请注意，ID=B，地区1-100未更改Value，因为N＆＃39; Value = 3;区域101-200，因为N＆amp; Value而没有变化T不一样。

我想过使用dplyr对匹配进行分组，例如：

df <- df %>% arrange(ID, Ind, RegionStart, TN) %>% group_by(ID)

或者也许使用data.table，但设置ID作为键？但我还是不确定如何轻松比较行。我对dplyr＆amp; data.table，所以如果使用这些命令，那么命令的简短说明会很棒。不过，请随意使用其他包装。但数据非常大，因此需要高效。

Answer 1

使用data.table：

library(data.table)
setDT(DF)

DF[, Value := { 
  fixit = ( Value[TN=="N"] != 3L ) & ( uniqueN(Value) == 1L )
  if (fixit) 3L else Value
}, by=.(ID, RegionStart)]

请注意，这将更改原始数据集（而不是简单地返回更改的表格）。

使用dplyr：

library(dplyr)
DF %>% group_by(ID, RegionStart) %>% 
  mutate(Value = {
    fixit = ( Value[TN=="N"] != 3L ) & ( n_distinct(Value) == 1L )
    if (fixit) 3L else Value
  })

工作原理： uniqueN和n_distinct计算向量中不同值的数量。如果Value的两个元素相同，则返回1L。

R - 根据参考值更改值

1 个答案: