合并重叠指数

Posted 2023-02-14

【中文标题】合并重叠指数

【英文标题】：Merging overlapp indices

【发布时间】：2022-01-20 19:29:54

【问题描述】：

我有一个带有开始和结束索引（已排序）的 data.frame，例如：

df <- data.frame(start.idx = c(1,2,5),
                 end.idx = c(2,3,6))

我正在寻找一个函数，如果start.idx[i] == end.idx[i-1] 将合并行i 和i-1，这样新行的start.idx 将是start.idx[i-1] 和end.idx 将是end.idx[i]。

对于上面的示例，生成的新（合并）data.frame 将是：

res.df <- data.frame(start.idx = c(1,5),
                     end.idx = c(3,6))

【问题讨论】：

这看起来像是一个有向图问题，您正在寻找连接的边。我想我会考虑为此使用 igraph。

【参考方案1】：

如果存在重叠，您可以创建包含同一组中的行的组，然后分别为开始和结束选择 first 和 last 值。

library(dplyr)

df %>%
  arrange(start.idx) %>%
  group_by(group = cumsum(start.idx > lag(end.idx, default = 0))) %>%
  summarise(start.idx = first(start.idx), 
            end.idx = last(end.idx)) %>%
  select(-group)


#  start.idx end.idx
#      <dbl>   <dbl>
#1         1       3
#2         5       6