结果

Question

我有一个data.frame，其中有2291行和4列，我想选择第3列与下一行的第2列匹配的那些行，然后从下一个匹配的行开始重新开始，直到匹配为止继续直到停止。

我尝试使用for中的1:nrow(df)循环，但这并不完全准确，因为i（我认为）并不是从匹配行开始的。

我当前的代码如下：

test <- NULL 
x <- c()
y <- c()

for(i in 1:nrow(df)){
    if(df[i,3]==df[i+1,2]){
        x <- df[i,]
        y <- df[i+1,]
        i = i+1 #stuck at this
    }
    test <- rbind(test,x,y)
}

样本数据如下：

X  2670000  3750000    C
X  3830000  8680000   E3
X  8680000 10120000 E1-A
X 10120000 11130079    D
X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 12810079 13530079   E3
X 13530079 14050079   E3
X 14050079 15330079    A
X 15330079 16810079 E2-A
X 16810079 17690079 E2-A

我想要的是：

X  3830000  8680000   E3
X  8680000 10120000 E1-A
X 10120000 11130079    D

X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 12810079 13530079   E3
X 13530079 14050079   E3
X 14050079 15330079    A
X 15330079 16810079 E2-A
X 16810079 17690079 E2-A

我实际上对第4列的值感兴趣。这样的情况之后 df[i,3]不等于df[i+1,2]，能否更新代码以将第4列的值存储在向量中？

例如：此示例的结果将是：

vector_1
"E3" "E1-A" "D"

vector_2
"E3" "E2-A" "E3" "E3" "A" "E2-A" "E2-A"

到目前为止，我得到的是：

X  3830000  8680000   E3
X  8680000 10120000 E1-A
X  8680000 10120000 E1-A
X 10120000 11130079    D
X  8680000 10120000 E1-A
X 10120000 11130079    D
X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 11810079 12810079 E2-A
X 12810079 13530079   E3

如果我从df的第1行转到最后一行，只要i的第3列与i+1的第2列匹配，我想继续在向量中添加第4列的值。一旦该条件破坏，下一次满足相同条件时，我想继续存储第4列的值。

谢谢！

Answer 1

一种简单的方法是使用dplyr软件包中的lead函数。

lead(x, n = 1L, default = NA, order_by = NULL, ...)在向量中查找“下一个”或“上一个”值。用于比较当前值之前或之后的值。

这也使您可以完全避免for循环。由于您尚未在问题中命名列，因此我将使用另一个示例：

library(dplyr)
df <- data.frame(a = 1:5, b = c(2, 999, 4, 5, 999))

print(df) # In this example, we want to keep the 1st, 3rd, and 4th rows.
     a   b
   1 1   2
   2 2 999
   3 3   4
   4 4   5
   5 5 999

matching_df <- df[df$b == dplyr::lead(df$a, 1, default = FALSE), ]
print(matching_df)
      a b
    1 1 2
    3 3 4
    4 4 5

non_matching_df <- df[df$b != dplyr::lead(df$a, 1, default = FALSE), ]
print(non_matching_df)
      a   b
    2 2 999
    5 5 999

Answer 2

您可以这样操作：

# indices of the changes
changed <- c(head(df[[3]],-1) != df[-1,2])
# split by cumsum of those
split_ <- split(df[-1,],cumsum(changed))

split_ 

# $`1`
# V1       V2       V3   V4
# 2  X  3830000  8680000   E3
# 3  X  8680000 10120000 E1-A
# 4  X 10120000 11130079    D
# 
# $`2`
# V1       V2       V3   V4
# 5   X 11170079 11810079   E3
# 6   X 11810079 12810079 E2-A
# 7   X 12810079 13530079   E3
# 8   X 13530079 14050079   E3
# 9   X 14050079 15330079    A
# 10  X 15330079 16810079 E2-A
# 11  X 16810079 17690079 E2-A

# Then to get your vectors :

lapply(split_,`[[`,4)

# $`1`
# [1] "E3"   "E1-A" "D"   
# 
# $`2`
# [1] "E3"   "E2-A" "E3"   "E3"   "A"    "E2-A" "E2-A"

数据

df <- read.table(text = "
X  2670000  3750000    C   
X  3830000  8680000   E3
X  8680000 10120000 E1-A
X 10120000 11130079    D        
X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 12810079 13530079   E3
X 13530079 14050079   E3
X 14050079 15330079    A           
X 15330079 16810079 E2-A                     
X 16810079 17690079 E2-A
",stringsAsFactors=F)

Answer 3

使用for循环代替for循环。这样更容易。首先从第二行开始创建第二列的重复列，然后进行比较。我使用了您的示例数据并获得了预期的结果-

data = read.csv('clipboard', sep = "", header = F, stringsAsFactors = F)

data$v22 = c(data$V2[2:nrow(data)],0)  
data
    V1       V2       V3   V4      v22
 1   X  2670000  3750000    C  3830000
 2   X  3830000  8680000   E3  8680000
 3   X  8680000 10120000 E1-A 10120000
 4   X 10120000 11130079    D 11170079
 5   X 11170079 11810079   E3 11810079
 6   X 11810079 12810079 E2-A 12810079
 7   X 12810079 13530079   E3 13530079
 8   X 13530079 14050079   E3 14050079
 9   X 14050079 15330079    A 15330079
 10  X 15330079 16810079 E2-A 16810079
 11  X 16810079 17690079 E2-A        0

找到第一个比赛

 i = 0
 repeat {
   i = i+1
   if (data$V3[i] == data$v22[i]){
     cat(paste('First Match at row',i))
     break
   }    
 }

现在保存其他匹配行并继续关注比赛中断并保存其他匹配值

 df = data.frame(NULL)
 xstart = c(i)
 xend = NULL
 repeat{
   if (data$V3[i] == data$v22[i]){
     df = rbind(df,data[i,])
     i = i+1
   } else { xend = c(xend,i)
     if (i < nrow(data)){
     repeat {
       i = i +1
       if (data$V3[i] == data$v22[i]){
       cat(paste('Next Match at row',i))
       xstart = c(xstart,i)
       break
          }
        }
      }
     }     

   if (i == nrow(data)){
     break
        }
  }

打印结果

if (length(xend) < length(xstart)) {xend = c(xend,nrow(data))}

for (l in 1:length(xend)){
  print(data$V4[xstart[l]:xend[l]])
}

 [1] "E3"   "E1-A" "D"   
 [1] "E3"   "E2-A" "E3"   "E3"   "A"    "E2-A" "E2-A"

Answer 4

更新：我意识到我缺少一些更新代码的条件

如果您只想保留第4列的结果，则可以尝试以下操作：

df <- read.table(text = "
X  2670000  3750000    C   
X  3830000  8680000   E3
X  8680000 10120000 E1-A
X 10120000 11130079    D        
X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 12810079 13530079   E3
X 13530079 14050079   E3
X 14050079 15330079    A           
X 15330079 16810079 E2-A                     
X 16810079 17690079 E2-A
",stringsAsFactors=F)

eq=c(-1,df$V3[1:(nrow(df)-1)]-df$V2[2:nrow(df)])

storeV3 <- list()
vector_id = 0

for(i in 1:length(eq)){
    if(eq[i] ==  0)
        storeV3[[paste0("vector_",vector_id)]]=c(storeV3[[paste0("vector_",vector_id)]],df$V4[i])
    if(eq[i] !=  0){
        if(i> 1 && eq[i-1] ==  0){
            vector_id = vector_id + 1
            storeV3[[paste0("vector_",vector_id)]]=c(storeV3[[paste0("vector_",vector_id)]],df$V4[i])
        }
        else if(i < length(eq)  && eq[i+1] ==  0)
            storeV3[[paste0("vector_",vector_id)]]=c(storeV3[[paste0("vector_",vector_id)]],df$V4[i])
    }
}

我使用的技巧是首先创建一个向量以了解比赛的索引，然后将V3的值存储在向量列表中，这些索引会实时更新。这给了我

> storeV3
$vector_0
[1] "E3"   "E1-A" "D"

$vector_1
[1] "E3"   "E2-A" "E3"   "E3"   "A"    "E2-A" "E2-A"

Answer 5

这里是执行任务的功能。

结果

# Results
generate(df)
# [[1]]
#   X1       X2       X3   X4
# 2  X  3830000  8680000   E3
# 3  X  8680000 10120000 E1-A
# 4  X 10120000 11130079    D
# 
# [[2]]
#    X1       X2       X3   X4
# 5   X 11170079 11810079   E3
# 6   X 11810079 12810079 E2-A
# 7   X 12810079 13530079   E3
# 8   X 13530079 14050079   E3
# 9   X 14050079 15330079    A
# 10  X 15330079 16810079 E2-A
# 11  X 16810079 17690079 E2-A

要只考虑向量，可以修改函数generate或简单地

out <- generate(df)    
vec <- lapply(seq_along(out), function (k) out[[k]]$X4)    
vec
# [[1]]
# [1] "E3"   "E1-A" "D"   
# 
# [[2]]
# [1] "E3"   "E2-A" "E3"   "E3"   "A"    "E2-A" "E2-A"

功能

finder <- function (k, dt) {
  dt <- dt[k:nrow(dt),]
  index <- NA_integer_
  col2 <- as.integer(.subset2(dt,2L))
  col3_first <- as.integer(.subset2(dt,3L))[1]
  index <- which(col2 == col3_first)[1L] +k-1
  index
}
getIndex <- function (k, dt) {
  curr <- finder(k, dt)
  if (curr == nrow(dt) || is.na(curr)) return (curr)
  out <- c(k, curr)
  s <- k
  while (!is.na(curr)) {
    s <- s+1
    curr <- finder(s, dt)
    out <- c(out, curr)
  }
  out <- out[!is.na(out)]
  out
}
generate <- function (dt) {
  rows <- 1:nrow(dt)
  skip <- integer(0)
  counter <- 0L
  res <- list()
  for (k in rows) {
    if (k %in% skip) next
    index <- getIndex(k, dt)
    if (is.na(index) || length(index) == 1) next
    skip <- c(skip, index)
    counter <- counter + 1L
    res[[counter]] <- df[index,]
  }
  res
}

说明

对于给定的行号k

finder将产生第一个n（> k），使得df[k,3] == df[i,2]
getIndex将产生最长的递增序列(k=)k_0;k_1;...;k_n，这样
df[k_i,3] == df[k_i+1,2]全部i = 1;...;n

最后，generate从getIndex产生所有行的序列，但是如果给定的行k包含在先前的序列中，那么它将跳过该行。

数据

structure(list(X1 = c("X", "X", "X", "X", "X", "X", "X", "X", 
"X", "X", "X"), X2 = c("2670000", "3830000", "8680000", "10120000", 
"11170079", "11810079", "12810079", "13530079", "14050079", "15330079", 
"16810079"), X3 = c("3750000", "8680000", "10120000", "11130079", 
"11810079", "12810079", "13530079", "14050079", "15330079", "16810079", 
"17690079"), X4 = c("C", "E3", "E1-A", "D", "E3", "E2-A", "E3", 
"E3", "A", "E2-A", "E2-A")), class = "data.frame", row.names = c(NA, 
-11L))

Answer 6

我编写了一个如此松脆的代码，似乎可以正常工作：

for(i in 1:nrow(df)){
    if(df[i,3]==df[i+1,2]){
        next
        x <- df[i,]
        y <- df[i+1,]
        i = i+1
    }
    test <- rbind(test,x,y)
}

test <- test[!duplicated(test),]

v <- list()
j <- 0
for(i in 1:nrow(test)){
    if(test[i,3]!=test[i+1,2]){
        v[[i]] <- test[(j+1):i,4]
        j <- i
        next
    }
}

v <- v[!is.na(v)]

选择具有特定列匹配条件的行

6 个答案:

结果

功能

说明