Question

我在第1列有一个日期表（标题为＃34;日期＆＃34;列）和第1列和第2列中的值（标题为＆＃34的列; A＆＃34;和＆＃34; B＆＃34 ）。 DF

    Date A B
1 1/1/16 X X
2 1/2/16 X Y
3 1/3/16 X Y
4 1/4/16 Y Y
5 1/5/16 Y X

等

我需要创建额外的第4列和第5列A *和B *，其中包含以下内容：

每行：

对于列A * - 如果当前行中A列中的值与上一行中A列中的值不同，则插入新值，如果值相同则不插入任何内容。

对于列B * - 如果当前行中B列中的值与上一行中B列中的值不同，则插入新值，如果值相同则不插入任何内容。

期望的输出：

    Date A B A* B*
1 1/1/16 X X  X  X
2 1/2/16 X Y  -  Y
3 1/3/16 X Y  -  -
4 1/4/16 Y Y  Y  -
5 1/5/16 Y X  -  X

最好的方法是什么？谢谢！

Answer 1

在基础R中，我们可以先使用diff来识别列中的更改，然后使用ifelse来计算转换值或"-"并将结果保存为新列：

df[,c("A*", "B*")] <- lapply(df[-1], function(x) {
                        ifelse(c(1,diff(as.numeric(as.factor(x)))), as.character(x), "-")})
df
  #     Date A B A* B*
  # 1 1/1/16 X X  X  X
  # 2 1/2/16 X Y  -  Y
  # 3 1/3/16 X Y  -  -
  # 4 1/4/16 Y Y  Y  -
  # 5 1/5/16 Y X  -  X

虽然奇怪的是数值作为if else函数的条件，但请注意R将所有零转换为FALSE而所有其他数字转换为TRUE

Answer 2

library(data.table);
df$A1 = ifelse(duplicated(rleid(df$A)), "-", df$A)
df$B1 = ifelse(duplicated(rleid(df$B)), "-", df$B)
df
    Date A B A1 B1
1 1/1/16 X X  X  X
2 1/2/16 X Y  -  Y
3 1/3/16 X Y  -  -
4 1/4/16 Y Y  Y  -
5 1/5/16 Y X  -  X

注意：rleid或许代表run length encoding (id?)。基本上它的作用是为每个重复序列创建一个id。因此，每个重复的序列将被不同地标记。然后使用duplicated函数将重复值标记为TRUE，除了第一个。除了每个重复块的第一个值之外，您可以选择重复的值。

Answer 3

以下是使用rle函数的基本R方法：

# fill new variable with desired value
df$A1 <- "-"
# fill it in with original value
df$A1[c(1, head(cumsum(rle(df$A)$length), -1)+1)] <- rle(df$A)$value
# repeat for B
df$B1 <- "-"
df$B1[c(1, head(cumsum(rle(df$B)$length), -1)+1)] <- rle(df$B)$value

这导致

df
    Date A B A1 B1
1 1/1/16 X X  X  X
2 1/2/16 X Y  -  Y
3 1/3/16 X Y  -  -
4 1/4/16 Y Y  Y  -
5 1/5/16 Y X  -  X

请注意，变量A和B必须是字符，这就是我使用下面的as.is = TRUE参数的原因。

数据

df <- read.table(header= TRUE, text=" Date A B 1 1/1/16 X X 2 1/2/16 X Y 3 1/3/16 X Y 4 1/4/16 Y Y 5 1/5/16 Y X", as.is=TRUE)

R：列中的重复值，如何用单个值替换

3 个答案: