我有以下数据集:
df <- data.frame(c(1,1,1,2,2,2,2,3,3,3,3,4,4,4,5,5,5), c("a","a","a","b","b","b","b","b","b","b","b",
"a","a","a","b","b","b"),
c(300,295,295,25,25,25,25,25,20,20,20,300,295,295,300, 295,295),
c("c","d","e","f","g","h","i","j","l","m","n","o","p","q","r","s","t"))
colnames(df) <- c("ID", "Group", "Price", "OtherNumber")
> df
ID Group Price OtherNumber
1 1 a 300 c
2 1 a 295 d
3 1 a 295 e
4 2 b 25 f
5 2 b 25 g
6 2 b 25 h
7 2 b 25 i
8 3 b 25 j
9 3 b 20 l
10 3 b 20 m
11 3 b 20 n
12 4 a 300 o
13 4 a 295 p
14 4 a 295 q
15 5 b 300 r
16 5 b 295 s
17 5 b 295 t
我想比较后续ID的第一笔价格。仅当两个后续ID具有相同的初始价格并且在同一组中时,我才要标记它们。以防万一,这不是很清楚,这里举一个例子:我比较了第一个和第二个ID,但组(a与b)和初始价格都不匹配(300与25)。另一方面,在ID 2和3之间,它们都在组b中,并且具有相同的初始价格25(请参阅第4和8行)。之后的价格并不重要,因为它们可能会有所不同。
我认为,我必须能够使用dplyr软件包,并且已经确定了一个非常粗糙的解决方案(尚不可行)。
# Load dplyr
library(dplyr)
# Assign row numbers within IDs
df1 <- df %>%
group_by(ID) %>%
mutate(subID = row_number())
# Isolate first observation in ID
df2 <- df1[df1$subID == 1,]
# Set up loop to iterate through IDs
for (i in 2:length(df2)) {
if (df2$Price[i] - df2$Price[i - 1] == 0) {
df2$flag <- TRUE
} else {
df2$flag <- FALSE
}
}
如果您告诉我这是唯一可行的解决方案,则显然我将投入更多资源,但是我确信必须有一个更简单的解决方案。我检查了一下,也许我错过了一些东西,但是我找不到任何朝着这个方向发展的东西。谢谢!
我想要获得的输出看起来像这样:
ID Group Price OtherNumber flag
1 1 a 300 c FALSE
2 1 a 295 d FALSE
3 1 a 295 e FALSE
4 2 b 25 f TRUE
5 2 b 25 g TRUE
6 2 b 25 h TRUE
7 2 b 25 i TRUE
8 3 b 25 j TRUE
9 3 b 20 l TRUE
10 3 b 20 m TRUE
11 3 b 20 n TRUE
12 4 a 300 o FALSE
13 4 a 295 p FALSE
14 4 a 295 q FALSE
15 5 b 300 r FALSE
16 5 b 295 s FALSE
17 5 b 295 t FALSE
答案 0 :(得分:1)
这里是一个数据表。它被切成小块以查看中间结果;另请参阅答案底部的说明。
dt <- as.data.table( df )
dt[ dt[ , .SD[1], ID][ ( Group == shift( Group, type = "lead") & Price == shift( Price, type = "lead") ) |
( Group == shift( Group, type = "lag") & Price == shift( Price, type = "lag),
flag := TRUE][is.na(flag), flag := FALSE], flag := i.flag, on = .(ID)][]
# ID Group Price OtherNumber flag
# 1: 1 a 300 c FALSE
# 2: 1 a 295 d FALSE
# 3: 1 a 295 e FALSE
# 4: 2 b 25 f TRUE
# 5: 2 b 25 g TRUE
# 6: 2 b 25 h TRUE
# 7: 2 b 25 i TRUE
# 8: 3 b 25 j TRUE
# 9: 3 b 20 l TRUE
# 10: 3 b 20 m TRUE
# 11: 3 b 20 n TRUE
# 12: 4 a 300 o FALSE
# 13: 4 a 295 p FALSE
# 14: 4 a 295 q FALSE
# 15: 5 b 300 r FALSE
# 16: 5 b 295 s FALSE
# 17: 5 b 295 t FALSE
说明:
dt[ , .SD[1], ID]
用每个ID
[ Group == shift( ... , flag := TRUE]
将下一个(或前一个)行具有匹配的flag
并且时将列TRUE
设置为Price
。 strong> Group
。
[is.na(flag), flag := FALSE]
用`FALSE
..flag := i.flag, on = .(ID)]
对原始data.table执行左连接(通过引用,它是快速而有效的),以获得最终结果。