Question

我有一个如下的数据帧，我想根据票号连接序列中的行（如果有连续的重复则删除它们）并确定它们如何被人们传递。

    ticket<- c("1", "1", "1", "2", "2", "2", "2")
    name<- c("Olg", "Jan", "Jan", "Olg", "Jan", "Jan","Olg")
    df<- data.frame(ticket, name)

我想创建一个名为sequence的变量列，它提供路径并抑制连续重复，如图所示（Olg-Jan-Jan到Olg-Jan和Olg-Jan-Jan-Olg到Olg-Jan-Olg）。有什么建议？谢谢！

   seq<- c("Olg-Jan", "Olg-Jan", ""Olg-Jan", "Olg-Jan-Olg","Olg-Jan-Olg","Olg-Jan-Olg" )

Answer 1

name是一个因素（如果不是，我们可以将其转换为因子），因此我们使用基础数字因子代码来检查连续重复并删除它们。我们使用dplyr，以便我们可以使用链接运算符（ticket）轻松地按%>%和链函数分组。

library(dplyr) 

df %>% group_by(ticket) %>%
   filter(c(1, diff(as.numeric(name))) !=0) %>%
   summarise(sequence = paste(name, collapse="-"))

  ticket    sequence
1      1     Olg-Jan
2      2 Olg-Jan-Olg

如果要保留原始数据框的所有行并只添加序列，则可以left_join上面的输出到原始数据框：

df = df %>% 
  left_join(df %>% group_by(ticket) %>%
              filter(c(1, diff(as.numeric(name))) !=0) %>%
              summarise(sequence = paste(name, collapse="-")))

  ticket name    sequence
1      1  Olg     Olg-Jan
2      1  Jan     Olg-Jan
3      1  Jan     Olg-Jan
4      2  Olg Olg-Jan-Olg
5      2  Jan Olg-Jan-Olg
6      2  Jan Olg-Jan-Olg
7      2  Olg Olg-Jan-Olg

Answer 2

如果我能正确理解你......

> df_to_list <- split(df, df$ticket)
> df_to_list
$`1`
  ticket name
1      1  Olg
2      1  Jan
3      1  Jan

$`2`
  ticket name
4      2  Olg
5      2  Jan
6      2  Jan
7      2  Olg

现在我们要循环并取消列出名称，然后删除连续出现相同名称的情况，然后绑定。

new_df <- lapply(df_to_list, function(i){

  a <- as.character(unlist(i[['name']]))

  endr <- length(a) - 1
  b <- sapply(1:endr, function(x){
    a[x] != a[x+1]
  })

  c <- a[b]

  paste0(c, collapse = "-")

}) %>% melt %>% select(ticket = L1, seq = value)

> new_df
  ticket         seq
1      1     Olg-Jan
2      2 Olg-Jan-Olg

这是你之后的事吗？

注意：使用group_by方法与这种方式的速度差异产生了有趣的输出时序。我将该集复制到14000行并命名为新数据框addf，并将两个解决方案包装到单独的函数using_group和`no_group中。

> system.time(using_group(addf))
   user  system elapsed 
  0.012   0.000   0.011 
> system.time(no_group(addf))
   user  system elapsed 
  0.004   0.000   0.004

连接行并删除连续的重复或重复元素

2 个答案: