按列中的相对差异分组（说明数据的排序方式）

Question

我有一个数据框。片段是：

df1 <- data.frame(x = c(1, 2, 1, 3, 5, 1, 4, 1), y = c(1, 1, 2, 2, 1, 1, 1, 3))
  x y
1 1 1
2 2 1
3 1 2
4 3 2
5 5 1
6 1 1
7 4 1
8 1 3

我需要按 y 对 df1 进行分组并对 x 求和，但要考虑 y 的顺序。即我需要在每个新 y 之后创建新组并对相应的 x 求和。期望的输出是

如何在 R 中执行此操作？

Answer 1

我们可以使用rleid（来自data.table）得到运行-length-id来对相邻的相似元素进行分组，得到[=25的sum =]

library(dplyr)
library(data.table)
df1 %>%
   group_by(grp= rleid(y), y) %>%
   summarise(x = sum(x)) %>%
   ungroup %>%
   select(names(df1))
# A tibble: 4 x 2
#      x     y
#  <dbl> <dbl>
#1     3     1
#2     4     2
#3    10     1
#4     1     3

或仅使用 dplyr，用 'y' 的 lag 值创建一个逻辑表达式，在 group_by 中用 cumsum 转换为数字索引，然后得到 'x'

的 sum

df1 %>%
   group_by(grp = cumsum(y != lag(y, default = first(y)))) %>% 
   summarise(x = sum(x), y = first(y)) %>%
   select(-grp)

Answer 2

使用data.table:

library(data.table)

setDT(df1)[, .(x=sum(x), y=y[1]), .(rleid(y))][,rleid:=NULL][]

#>     x y
#> 1:  3 1
#> 2:  4 2
#> 3: 10 1
#> 4:  1 3

或使用 base::rle 的另一个 dplyr 解决方案：

library(dplyr)

df1 %>% 
  group_by(y_grp = with(rle(y), rep(seq_along(lengths), lengths))) %>% 
  summarise(x = sum(x), y = y[1]) %>% 
  ungroup %>% select(-y_grp)

#> # A tibble: 4 x 2
#>       x     y
#>   <dbl> <dbl>
#> 1     3     1
#> 2     4     2
#> 3    10     1
#> 4     1     3

按列中的相对差异分组（说明数据的排序方式）

Group by relative difference in a column (accounting for how data is ordered)

r

group-summaries

dataframe