在data.table

时间:2017-06-22 21:40:20

标签: r data.table dplyr match matching

我尝试创建一个新列,指示前一个组中是否存在ID。这是我的数据:

data <- data.table(ID = c(1:3, c(9,2,3,4),c(5,1)),
                   groups = c(rep(c("a", "b", "c"), c(3, 4,2))))
   ID groups
1:  1      a
2:  2      a
3:  3      a
4:  9      b
5:  2      b
6:  3      b
7:  4      b
8:  5      c
9:  1      c

我不确定如何指定滞后组。我尝试使用shift,但它无效:

data[,.(ID=ID,match_lagged=ID %in% shift(ID)),by=groups]

这是我想要的结果。

前3行不匹配,因为之前没有组。 FALSE也适用于这三行。 ID = 4(在组b中)在组a中不匹配。 ID = 5(在组c中)在组b中不匹配。

请注意,组c中的ID 1在组b中不匹配,因此即使它存在于组a中,它也应该为false。这就是duplicated(data$ID)不起作用的原因。必须从上一个组中匹配组中的数据。

groups ID match_lagged
1:      a  1         NA
2:      a  2         NA
3:      a  3         NA
4:      b  9         FALSE
5:      b  2         TRUE
6:      b  3         TRUE
7:      b  4         FALSE
8:      c  5         FALSE
9:      c  1         FALSE

dplyr解决方案也可以。

2 个答案:

答案 0 :(得分:1)

为群组编号,然后检查每个diff ID是否等于一个。

data[, grp.id := .GRP, by = groups]
data[, match_lagged := c(FALSE, diff(grp.id) == 1), by = ID][
     grp.id == 1, match_lagged := NA][]
#   ID groups grp.id match_lagged
#1:  1      a      1           NA
#2:  2      a      1           NA
#3:  3      a      1           NA
#4:  9      b      2        FALSE
#5:  2      b      2         TRUE
#6:  3      b      2         TRUE
#7:  4      b      2        FALSE
#8:  5      c      3        FALSE
#9:  1      c      3        FALSE

这假设您在每个组中只找到一次ID。如果不是这种情况你可以独特,请执行上述操作,然后合并。

答案 1 :(得分:0)

这很有效。可能有一个更简单的解决方案:

data <- data.frame(ID = c(1:3, 1:4,c(5,1)),
                   groups = c(rep(c("a", "b", "c"), c(3, 4,2))))

z <- data %>% group_by(groups) %>% summarize(all_vals = list(ID))
z <- z %>% mutate(lagged_id = lag(all_vals,1))

match_lagged <- lapply(1:nrow(z) , function(x) {
  (z$all_vals[x] %>% unlist) %in% (z$lagged_id[x] %>% unlist)
})

data$match_lagged = match_lagged %>% unlist