标记 Parent ID 然后与 Dataframe 合并

Question

我正在尝试使用其上方行的 ID（它们的 parent ID）来标记行。在下面的例子中，我对你会对一个人说的不同事情感到不满。它们分为问候、告别、问题等。假设每个 classification/group 的第一个条目是根，我试图用根的 ID 标记第一个 child （第二个条目） .

下面的代码能够标记第二个 child，但是，由于过滤器，我最终得到的小标题缺少两个条目。过滤器很重要，因为实际上数据集更复杂，所以它（很可能）需要保留。

我怎样才能将新标记的小标题与原来的小标题合并回来？另外，如果有办法在管道链中执行此操作，那就更好了。

library(dplyr)

test_df <- tibble(msg_id = as.character(c(1, 2, 3, 4, 5, 6, 7, 8)), 
                  msg_group = c("greeting", "greeting", "greeting", "greeting", 
                                "farewell", "farewell", "question", "question"),
                  content = c("hello", "hey there", "morning", "howdy", "bye", 
                              "see ya", "how are you", "who are you"),
                  parent_id = NA_character_)

labeling_test <- test_df %>%
  group_by(msg_group) %>%
  mutate(rank = rank(msg_id)) %>%
  filter(rank <= 2)

#sorts these into ranks within each group
#rank 1 is the root, rank 2 will be the first child of root

for(i in seq(1, nrow(labeling_test), 2)){
  labeling_test[i + 1,]$parent_id <- labeling_test[i,]$msg_id
}

#label the even number items with id of the item before it
#in terms of this code, label rank 2 with the id of rank 1,
#rank 4 with the id of rank 3...

labeling_test

最终目标将是一个如下所示的数据框：

# A tibble: 8 x 6
   msg_id     msg_group content     parent_id  rank
    <chr>     <chr>     <chr>       <chr>     <dbl>
1       1     greeting  hello       NA            1
2       2     greeting  hey there   1             2
3       3     greeting  morning     NA            3
4       4     greeting  howdy       NA            4
5       5     farewell  bye         NA            1
6       6     farewell  see ya      5             2
7       7     question  how are you NA            1
8       8     questions who are you 7             1

最终目标实际上是将电子邮件线程变成树结构。标记前两封电子邮件很容易，因为它们是最早的和第二旧的。之后它变得更加复杂。 gmail 线程的棘手部分是它们不存储 parent 消息（或者我还没有找到它的存储位置）。所以你必须使用消息的内容来标记parents。此外，使用电子邮件的时间戳也不起作用，因为人们可以单独回复消息并开始新的分支，而时间与他们在分支中的位置无关。

并不是说这对上面的问题很重要。如果您知道有关此主题的一些信息，那也很棒。

Answer 1

我认为 join/merge 操作是最有效的：

test_df %>%
  group_by(msg_group) %>%
  mutate(rank = rank(group_id)) %>%
  filter(rank <= 2) %>%
  ungroup() %>%
  select(msg_id, rank) %>%
  left_join(test_df, ., by = "msg_id")
# # A tibble: 8 x 6
#   group_id msg_id msg_group content     parent_id  rank
#      <dbl> <chr>  <chr>     <chr>       <chr>     <dbl>
# 1        1 1      greeting  hello       <NA>          1
# 2        2 2      greeting  hey there   <NA>          2
# 3        3 3      greeting  morning     <NA>         NA
# 4        4 4      greeting  howdy       <NA>         NA
# 5        1 5      farewell  bye         <NA>          1
# 6        2 6      farewell  see ya      <NA>          2
# 7        1 7      question  how are you <NA>          1
# 8        2 8      questions who are you <NA>          1

编辑：也许你不需要join/merge，只需用

就地改变

test_df %>%
  group_by(msg_group) %>%
  mutate(parent_id = if_else(row_number() == 2, msg_id[1], NA_character_))
# # A tibble: 8 x 4
# # Groups:   msg_group [3]
#   msg_id msg_group content     parent_id
#   <chr>  <chr>     <chr>       <chr>    
# 1 1      greeting  hello       <NA>     
# 2 2      greeting  hey there   1        
# 3 3      greeting  morning     <NA>     
# 4 4      greeting  howdy       <NA>     
# 5 5      farewell  bye         <NA>     
# 6 6      farewell  see ya      5        
# 7 7      question  how are you <NA>     
# 8 8      question  who are you 7

（我认为没有必要为这个目的创建 rank 列，但这没有坏处。）

标记 Parent ID 然后与 Dataframe 合并

Labeling Parent ID then Merging Back with Dataframe

r

dplyr

data.tree