R组合具有相似值的行
Posted
技术标签:
【中文标题】R组合具有相似值的行【英文标题】:R combine rows with similar values 【发布时间】:2018-10-23 01:30:29 【问题描述】:我有一个数据框,行值首先从小到大排序。我计算相邻行之间的行值差异,组合具有相似差异(例如,小于 1)的行,并返回组合行的平均值。我可以使用 for 循环检查每一行的差异,但似乎是一种非常低效的方法。有更好的想法吗?谢谢。
library(dplyr)
DF <- data.frame(ID=letters[1:12],
Values=c(1, 2.2, 3, 5, 6.2, 6.8, 7, 8.5, 10, 12.2, 13, 14))
DF <- DF %>%
mutate(Diff=c(0, diff(Values)))
DF 的预期输出是
ID Values
a 1.0
b/c 2.6 # (2.2+3.0)/2
d 5.0
e/f/g 6.67 # (6.2+6.8+7.0)/3
h 8.5
i 10.0
j/k 12.6 # (12.2+13.0)/2
i 14.0
【问题讨论】:
您是否正在检查相邻行。不清楚为什么你平均 'b' 和 'c' 因为Diff
的值都是 1.2 和 0.8
是的,我修改了帖子。 'b' 与 'c' 而不是 'a' 平均,因为 'a' 和 'b' 之间的差大于 1。
【参考方案1】:
library(magrittr)
df <- DF[order(DF$Values),]
df$Values %>%
#Find groups for each row
outer(., ., function(x, y) x >= y & x < y + 1) %>%
# Remove sub-groups
`[<-`(apply(., 1, cumsum) > 1, F) %>%
# Remove sub-group columns
.[, colSums(.) > 0] %>%
# select these groups from data
apply(2, function(x) data.frame(ID = paste(df$ID[x], collapse = '/')
, Values = mean(df$Values[x]))) %>%
# bind results by row
do.call(what = rbind)
# ID Values
# 1 a 1.000000
# 2 b/c 2.600000
# 4 d 5.000000
# 5 e/f/g 6.666667
# 8 h 8.500000
# 9 i 10.000000
# 10 j/k 12.600000
# 12 l 14.000000
注意:
此方法与使用 diff
的方法不同,因为它仅在 所有 值彼此相距
例子:
更改数据集,使 ID g 处的值为 7.3。
上述方法:ID e、f、g 不再分组在一起,因为 ID e 处的值是 6.2 和 7.2 - 6.2 > 1。
Diff 方法:ID e、f、g 仍然分组在一起,因为 e 和 f 处的 ID diff
【讨论】:
@Jian 不清楚您希望如何对行进行分组。请参阅我的编辑,了解此解决方案与使用diff
的解决方案之间的区别【参考方案2】:
计算每一行的Values
之间的差异,并检查它们是否为>= 1
。 >=1
的累积总和将为您提供不同的组,其中一个可以summarize
获得所需的结果。
library(dplyr)
DF %>% arrange(Values) %>%
group_by(Diff = cumsum(c(1,diff(Values)) >= 1) ) %>%
summarise(ID = paste0(ID, collapse = "/"), Values = mean(Values)) %>%
ungroup() %>% select(-Diff)
# # A tibble: 8 x 2
# ID Values
# <chr> <dbl>
# 1 a 1.00
# 2 b/c 2.60
# 3 d 5.00
# 4 e/f/g 6.67
# 5 h 8.50
# 6 i 10.0
# 7 j/k 12.6
# 8 l 14.0
【讨论】:
【参考方案3】:这是data.table
的选项
library(data.table)
setDT(DF)[, .(ID = toString(ID), Values = round(mean(Values), 2)),
by = .(Diff = cumsum(c(TRUE, diff(Values)>=1)))][, -1, with = FALSE]
# ID Values
#1: a 1.00
#2: b, c 2.60
#3: d 5.00
#4: e, f, g 6.67
#5: h 8.50
#6: i 10.00
#7: j, k 12.60
#8: l 14.00
【讨论】:
我已经对 OP 的帖子发表了关于问题清晰度的评论以上是关于R组合具有相似值的行的主要内容,如果未能解决你的问题,请参考以下文章