Question

我的数据就像这样

df<- structure(list(label = c("afghanestan", "afghanestan", "afghanestanIndia", 
"afghanestanindiaholad", "afghanestanUSA", "USA", "Argentina", 
"Brazil", "Argentinabrazil", "Brazil"), Start = c(114, 516, 89, 
22, 33, 67, 288, 362, 45, 362), Stop = c(127, 544, 105, 34, 50, 
85, 299, 381, 68, 381)), class = "data.frame", .Names = c("label", 
"Start", "Stop"), row.names = c(NA, -10L))

当我想删除完全相同的内容时，我只是这样做

df[!duplicated(df[,c('label','Start','Stop')]),]

现在的问题是我想要识别标签中相似但在开始和结束时可能不同的那些。所以我想在事后生成这样的东西

                  label Start Stop NewLab
1           afghanestan   114  127  TRUE
2           afghanestan   516  544  TRUE
3      afghanestanIndia    89  105  FALSE
4 afghanestanindiaholad    22   34  FALSE
5        afghanestanUSA    33   50  FLASE
6                   USA    67   85  FALSE
7             Argentina   288  299  FALSE
8                Brazil   362  381  FALSE
9       Argentinabrazil    45   68  FALSE

Answer 1

这可以在一行代码中使用：

df$NewLab <- df$label %in% df[duplicated(df$label), ]$label

输出：

> df$NewLab <- df$label %in% df[duplicated(df$label), ]$label
> df
                  label Start Stop NewLab
1           afghanestan   114  127   TRUE
2           afghanestan   516  544   TRUE
3      afghanestanIndia    89  105  FALSE
4 afghanestanindiaholad    22   34  FALSE
5        afghanestanUSA    33   50  FALSE
6                   USA    67   85  FALSE
7             Argentina   288  299  FALSE
8                Brazil   362  381  FALSE
9       Argentinabrazil    45   68  FALSE

或dplyr表示法：

df <- dplyr::mutate(df, NewLab = label %in% df[duplicated(df$label), ]$label)

Answer 2

以下是使用dplyr

的有些复杂的方法

library(tidyverse) 

df %>% 
  group_by(label) %>% 
  mutate(n = n()) %>% 
  group_by(Start, Stop) %>% 
  mutate(n2 = n()) %>% 
  mutate(newlabel = ifelse(n>1 & n2==1, TRUE, FALSE)) %>%
  dplyr::select(-n, -n2)

首先创建一个标签的分组变量 - 计数，然后是开始和停止时间的分组变量 - 进行计数，使用ifelse分配True / False，然后删除中间列。

如何指定要复制的名称

2 个答案: