Question

假设我有以下数据表：

dta <- data.table(
  criteria = c('A', 'A', 'B', 'A', 'A', 'B'),
  phase = list('block3', c('block1', 'block2'), 'block2', 'block2', 'block3', 'block1'),
  start_val = c(12.0, 1.0, 7.0, 7.0, 12.0, 1.0),
  end_val = c(15.0, 11.0, 11.0, 11.0, 15.0, 6.0),
  max_val = c(13.0, 8.0, 9.5, 11.0, 15.0, 6.0)
)

我需要从中得到带有两个附加列cor_start和cor_end的结果表

dtb <- data.table(
  criteria = c('A', 'A', 'B', 'A', 'A', 'B'),
  phase = list('block3', c('block1', 'block2'), 'block2', 'block2', 'block3', 'block1'),
  start_val = c(12.0, 1.0, 7.0, 7.0, 12.0, 1.0),
  end_val = c(15.0, 11.0, 11.0, 11.0, 15.0, 6.0),
  max_val = c(13.0, 8.0, 9.5, 11.0, 15.0, 6.0),
  cor_start = c(12.0, 1.0, 8.0, 9.5, 13.0, 6.0),
  cor_end = c(13.0, 8.0, 9.5, 11.0, 15.0, 6.0)
)

新列需要参考phases列，方法是检查是否有前一行具有当前匹配的相位值。

为了更好地理解，在此示例中：

第3行在第2行中具有block2的匹配阶段
第4行在第3行中具有block2的匹配阶段
第5行在第1行的块3的匹配阶段
第6行在第2行的块1的匹配阶段

但是第1行和第2行没有先前的匹配阶段行。请注意，phase是列表类型。

因此，当存在上一个匹配行时，以下是条件：

if (max_val in previous matching row is < end_val in current row)
  cor_start = previous matching row max_val
  cor_end = current row end_val

if (max_val in previous matching row is > end_val in current row)
  cor_start = current row end_val
  cor_end = current row end_val

，并且当没有先前的匹配行时，以下是条件：

  cor_start = current row start_val
  cor_end = current row max_val

我调查了shift（），但不知道如何设置上述条件？谢谢！

Answer 1

类似的东西：

dta_transformed <- dta[,.(rn = .I, phase = unlist(phase)), by = setdiff(names(dta), 'phase')][
  , shifted_max := shift(max_val), by = phase][
    shifted_max < end_val, `:=` (cor_start = shifted_max, cor_end = end_val), by = phase][
      shifted_max > end_val, `:=` (cor_start = end_val, cor_end = end_val), by = phase][
        is.na(cor_start), `:=` (cor_start = start_val, cor_end = max_val), by = phase][
          , phase := paste(phase, collapse = ","), by = rn][!duplicated(rn),][
            , c("rn", "shifted_max") := NULL]

但是，我得到的输出是：

   criteria         phase start_val end_val max_val cor_start cor_end
1:        A        block3        12      15    13.0      12.0      13
2:        A block1,block2         1      11     8.0       1.0       8
3:        B        block2         7      11     9.5       8.0      11
4:        A        block2         7      11    11.0       9.5      11
5:        A        block3        12      15    15.0      13.0      15
6:        B        block1         1       6     6.0       6.0       6

在您想要的输出中，第3行cor_end应该是11吗？由于前一个匹配行（2）具有较低的max_val，因此应采用当前的end_val（11）？

还有tidyverse方法，可读性更高：

library(tidyverse)

dta %>% mutate(rn = row_number()) %>%
  unnest(phase) %>%
  group_by(phase) %>%
  mutate(
    cor_start = case_when(
      lag(max_val) < end_val ~ lag(max_val),
      lag(max_val) > end_val ~ end_val,
      TRUE ~ start_val
    ),
    cor_end = if_else(!is.na(lag(max_val)), end_val, max_val)
  ) %>% group_by(rn) %>%
  mutate(
    phase = paste(phase, collapse = ",")
  ) %>% ungroup() %>% select(-rn) %>% distinct()

Answer 2

这是使用pmin()而不是ifelse()并利用fill函数的shift()参数的另一种方法。此外，它减少了分组操作的数量：

library(data.table)
dta[, rn := .I]
dta[dta[, .(phase2 = unlist(phase)), by = rn], on = "rn"][
  , `:=`(cor_start = pmin(shift(max_val, fill = start_val[1]), end_val), 
         cor_end = max_val), by = phase2][
    , .SD[1], by = rn][
      , c("rn", "phase2") := NULL][]

  criteria         phase start_val end_val max_val cor_start cor_end
1:        A        block3        12      15    13.0      12.0    13.0
2:        A block1,block2         1      11     8.0       1.0     8.0
3:        B        block2         7      11     9.5       8.0     9.5
4:        A        block2         7      11    11.0       9.5    11.0
5:        A        block3        12      15    15.0      13.0    15.0
6:        B        block1         1       6     6.0       6.0     6.0

R data.table在特定条件下根据现有列基础计算新列

2 个答案: