Question

我有下表，其中包含一个具有两个级别DH1和DH2的因子变量“类别”。我也有因子变量“ from”和“ to”的间隔值。

category = c('DH1','DH1','DH1','DH1','DH2','DH2')
from = c(356,366,367,368,401,402)
to = c(366,367,368,369,402,403)

df <- data.frame(category,from, to)

  category from  to
1      DH1  365 366
2      DH1  366 367
3      DH1  367 368
4      DH1  368 369
5      DH2  401 402
6      DH2  402 403

我需要创建两个看起来像这样的新列，其中DH1更改为DH2后，from1从0开始，to1 = to-from

  category from  to from1 to1
1      DH1  365 366     0   1
2      DH1  366 367     1   2
3      DH1  367 368     2   3
4      DH1  368 369     3   4
5      DH2  401 402     0   1
6      DH2  402 403     1   2

我知道我需要有一个for循环并循环遍历“ category”，然后有一个if语句category[4] != category[5]并在此基础上计算新列。但是，有没有更简单的方法？

Answer 1

有一种使用library(dplyr)的简单方法：

df %>% arrange(category, from) 
  %>% group_by(category) 
  %>% mutate(from1 = row_number()-1, to1 = row_number())

它按category和from对数据进行排序，并按category变量分组，以确保from1和to1可以基于每个类别的行号通过使用用于创建新变量的mutate函数。

Answer 2

也许您正在寻找

library(dplyr)

df %>%
  group_by(category) %>%
  mutate(from1 = row_number() - 1, 
          to1 = cumsum(to - from))


#  category  from    to from1   to1
#  <fct>    <dbl> <dbl> <dbl> <dbl>
#1 DH1        365   366     0     1
#2 DH1        366   367     1     2
#3 DH1        367   368     2     3
#4 DH1        368   369     3     4
#5 DH2        401   402     0     1
#6 DH2        402   403     1     2

对于每个category，这将row_number() - 1的值分配给from1，并计算to - from值的累积和。如果未订购category，并且DH1可以作为另一个组再次出现，我们可能需要group_by data.table::rleid(category)。

Answer 3

如果您要在每个类别中计算1..n，则可以使用“ dplyr”包：

library(dplyr)
df %>% group_by(category) %>% mutate(to1=1:n(), from1=to1-1)

如果您要比较第i行和第i + 1行中的值，则可以使用{d1yr}中的函数lag（内置lag函数仅适用于时间序列）：

dplyr::lag(df$category)
[1] <NA> DH1  DH1  DH1  DH1  DH2 
Levels: DH1 DH2

（一旦您加载了“ dplyr”软件包，它将替换内置的lag函数，您无需像我在示例中所写的那样调用它-只是强调我指的功能）

根据其他列中的值和一个因子变量创建新列

3 个答案: