Question

我想要一个这样的数据集：

dat <- data.frame(pos = 1:120, state = c(rep("state1", 30), rep("state2",30), rep("state3",30), rep("state1", 30)))

并将其折叠为以下形式：

dat2 <- data.frame(start = seq(1,120,30), end = seq(30,120,30), state = c("state1","state2","state3","state1"))

总而言之，我想知道每种类别在数据中的开始和结束。

Answer 1

您可以为此使用dplyr中的group_by。代码如下：

require(dplyr)

dat1 = dat %>% 
  dplyr::arrange(state,pos) %>% 
  dplyr::mutate(occurence=0)

occurence = 0

for(i in 1:nrow(dat1)){
  if((i != 1) && ((dat1$pos[i] - dat1$pos[i-1])>1)){
    occurence = occurence + 1
  }
  dat1$occurence[i] = occurence
}

dat2 = dat1 %>% 
  dplyr::group_by(state,occurence) %>% 
  dplyr::summarise(start = min(pos,na.rm=T),
                   end = max(pos,na.rm=T)) %>% 
  dplyr::arrange(start)

让我知道它是否有效。

输出

# A tibble: 4 x 4
# Groups:   state [3]
  state  occurence start   end
  <fct>      <dbl> <int> <int>
1 state1         0     1    30
2 state2         1    31    60
3 state3         1    61    90
4 state1         1    91   120

您可以根据需要删除“出现次数”列。使用：

dat2 = dat2 %>% dplyr::select(-occurence)

Answer 2

使用基数R，您可以使用rle：

with( rle(as.character(dat$state)),
      data.frame(state=values,end = cumsum(head(lengths))->end,start = c(1,head(end,-1)+1)))
   state end start
1 state1  30     1
2 state2  60    31
3 state3  90    61
4 state1 120    91

如何按间隔折叠数据？

2 个答案: