Question

我有一个名为Categories的因子向量，含有47个级别

Categories = as.factor(sort(make.unique(rep(letters, length.out = 47), sep='')))

[1] a  a1 b  b1 c  c1 d  d1 e  e1 f  f1 g  g1 h  h1 i  i1 j  j1 k  k1 l  l1 m  m1 n  n1 o  o1 p  p1 q  q1 r  r1 s  s1 t 
[40] t1 u  u1 v  w  x  y  z 
47 Levels: a a1 b b1 c c1 d d1 e e1 f f1 g g1 h h1 i i1 j j1 k k1 l l1 m m1 n n1 o o1 p p1 q q1 r r1 s s1 t t1 u u1 ... z

我有另一个名为cat的向量，其中有9个级别

cat = Categories[c(7,42,43,24,45,26,35,6,15)]
[1] d  u1 v  l1 x  m1 r  c1 h 
47 Levels: a a1 b b1 c c1 d d1 e e1 f f1 g g1 h h1 i i1 j j1 k k1 l l1 m m1 n n1 o o1 p p1 q q1 r r1 s s1 t t1 u u1 ... z

我还有一个包含36行的数据帧My_Data。数据框中的一列具有多个来自cat

的值的出现

My_Data = data.frame(name = make.unique(rep(c(1:10,LETTERS), length.out = 36), sep=''), cat = sample(rep(cat,4),36,replace = FALSE), position = 0)

    name cat position
1     1   v        0
2     2   r        0
3     3   h        0
4     4  m1        0
5     5   h        0
6     6  u1        0
7     7  l1        0
8     8   h        0
9     9  u1        0
10   10   x        0
11    A   x        0
12    B   v        0
13    C   d        0
14    D  c1        0
15    E   r        0
16    F   v        0
17    G  l1        0
18    H   d        0
19    I  l1        0
20    J  c1        0
21    K  u1        0
22    L   x        0
23    M   v        0
24    N   d        0
25    O  l1        0
26    P  m1        0
27    Q   r        0
28    R  m1        0
29    S   h        0
30    T  m1        0
31    U  c1        0
32    V   d        0
33    W   r        0
34    X   x        0
35    Y  c1        0
36    Z  u1        0

使用下面的代码，我可以填充上面给出的位置列，以反映cat列中值的出现次数：

transform(My_Data, position = ave(as.character(cat), cat, FUN = seq_along))

数据帧My_Data的前15行看起来像：

    name cat position
1     1   v        1
2     2   r        1
3     3   h        1
4     4  m1        1
5     5   h        2
6     6  u1        1
7     7  l1        1
8     8   h        3
9     9  u1        2
10   10   x        1
11    A   x        2
12    B   v        2
13    C   d        1
14    D  c1        1
15    E   r        2

现在我想计算分钟。最多在cat列的相同值的任何2次连续出现之间的介入项目数。

我该怎么做？

Answer 1

如果我理解你的问题，这里有一个选项：

library(tidyverse)

# Data
Categories = as.factor(sort(make.unique(rep(letters, length.out = 47), sep='')))  
cat = Categories[c(7,42,43,24,45,26,35,6,15)]
# Set a seed for reproducibility
set.seed(5)
My_Data = data.frame(name = make.unique(rep(c(1:10,LETTERS), length.out = 36), sep=''), 
                     cat = sample(rep(cat,4),36,replace = FALSE), 
                     position = 0)

以下代码总结了每个cat级别的最小和最大干预行数。

# Summarise to give min and max number rows between each occurrence
My_Data %>%
  mutate(row=1:n()) %>% 
  group_by(cat) %>% 
  summarise(min.diff=min(diff(row)-1, na.rm=TRUE),
            max.diff=max(diff(row)-1, na.rm=TRUE))

     cat min.diff max.diff
  <fctr>    <dbl>    <dbl>
1     c1        4        6
2      d        1       16
3      h        1       16
4     l1        0       13
5     m1        0       12
6      r        5       15
7     u1        2        7
8      v        1       16
9      x        6       12

如果要标记原始数据框中的中间行数：下面的代码在原始数据框中添加一列，以给出自上次出现给定级别{{1}以来的中间行数}。

cat

# Add column with intervening number of rows between each occurrence in cat
My_Data %>%
  mutate(row=1:n()) %>% 
  group_by(cat) %>% 
  mutate(diff=c(NA,diff(row)-1)) %>%
  select(-row)

Answer 2

以下是使用lag()：

的整洁解决方案

library(tidyverse)

# create data frame
set.seed(1)
Categories <- as.factor(sort(make.unique(rep(letters, length.out = 47), sep='')))
cat <- Categories[c(7,42,43,24,45,26,35,6,15)]
My_Data <- data.frame(
  name = make.unique(rep(c(1:10,LETTERS), length.out = 36), sep=''), 
  cat = sample(rep(cat,4),36,replace = FALSE), 
  position = 0
)

# solution
My_Data %>%
  mutate(row = 1:n()) %>%
  group_by(cat) %>%
  mutate(inter = row - lag(row) - 1) %>%
  summarize(min_inter = min(inter, na.rm = T), max_inter = max(inter, na.rm = T))

结果：

# A tibble: 9 x 3
     cat min_inter max_inter
  <fctr>     <dbl>     <dbl>
1     c1         0        10
2      d         4        11
3      h         0         8
4     l1         0         6
5     m1         1         3
6      r         0        16
7     u1         2         5
8      v         1        23
9      x         6        15

如何在数据框列

2 个答案: