根据 R 中不同的 运行 长度替换连续的重复值
Replace consecutive repeat values based on different run lengths in R
考虑以下数据集:
dat<-data.frame(id = c(1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3),
var1 = c("A","NA","B","A","NA","NA","B","A","NA","NA","NA","C","A","NA","B","A","NA","NA","D","A","NA","NA","B"))
dat
首先,我需要用 NA 两侧的值填充所有 NA,这在 dplyr 中是成功的:
mutate(value = ifelse(is.na(value), paste0(na.locf(value), "-", na.locf(value, fromLast=TRUE)),
value))
这导致:
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 A-B
6 1 A-B
7 1 B
8 2 A
9 2 A-C
10 2 A-C
11 2 A-C
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 A-B
22 3 A-B
23 3 B
但是,我现在需要保留一些值,同时 return 其他值返回 NA,基于重复的连续 运行 长度(按 id col 分组)。如果A-B的连续重复长于1那么return所有值到NA,如果A-C的连续重复长于2那么return所有值到NA,如果A-D的连续重复长于 3,则 return 所有值都为 NA。
我想要的结果是:
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 NA
6 1 NA
7 1 B
8 2 A
9 2 NA
10 2 NA
11 2 NA
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 NA
22 3 NA
23 3 B
我认为这可以通过 group_by(id)
、rle()
或 data.table 的 rleid()
的某种组合来实现,然后有条件地将值转回基于 NA 的值关于 case_when 的值和 运行 长度(我考虑过 ifelse()
但我有比示例中提供的条件更多的条件,并且读到 case_when 将是更好的选择), 但我一直无法弄清楚如何编写精确的代码来执行此操作。我遇到的一个类似问题是 然而,它比我需要做的要简单得多。
如有任何建议,我们将不胜感激。我觉得我很接近,但我需要帮助才能达到我想要的结果。
首先强烈推荐使用replace_na
功能
那么你可以这样使用:
x <- data.frame(matrix(c(1, 1, 1, 2, 2, 2, 3, 3, 3,
0, 1, 2, 3, 4, 4, 5, 5, 5), ncol=2))
x %>%
group_by(X1) %>%
mutate(X3 = ifelse(X2 == lag(X2, default = "") | X2 == lead(X2, default = ""),
X2, NA_integer_)) %>%
group_by(X1, X3) %>%
mutate(X4 = n())
输入:
X1 X2
1 1 0
2 1 1
3 1 2
4 2 3
5 2 4
6 2 4
7 3 5
8 3 5
9 3 5
输出:
# A tibble: 9 x 4
# Groups: X1, X3 [4]
X1 X2 X3 X4
<dbl> <dbl> <dbl> <int>
1 1 0 NA 3
2 1 1 NA 3
3 1 2 NA 3
4 2 3 NA 1
5 2 4 4 2
6 2 4 4 2
7 3 5 5 3
8 3 5 5 3
9 3 5 5 3
然后你就可以用X4做你想做的了
你可以做什么:
myfun <- function(x){
y <- rle(x)
z <- match(y$values, LETTERS)
ind <- which(is.na(z))
m <- z[ind + 1] - z[ind - 1] >= y$lengths[ind]
y$values[ind[m]] <- paste(y$values[ind[m] - 1], y$values[ind[m] + 1], sep = "-")
inverse.rle(y)
}
transform(dat, var1 = ave(var1, id, FUN = myfun))
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 NA
6 1 NA
7 1 B
8 2 A
9 2 NA
10 2 NA
11 2 NA
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 NA
22 3 NA
23 3 B
考虑以下数据集:
dat<-data.frame(id = c(1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3),
var1 = c("A","NA","B","A","NA","NA","B","A","NA","NA","NA","C","A","NA","B","A","NA","NA","D","A","NA","NA","B"))
dat
首先,我需要用 NA 两侧的值填充所有 NA,这在 dplyr 中是成功的:
mutate(value = ifelse(is.na(value), paste0(na.locf(value), "-", na.locf(value, fromLast=TRUE)),
value))
这导致:
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 A-B
6 1 A-B
7 1 B
8 2 A
9 2 A-C
10 2 A-C
11 2 A-C
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 A-B
22 3 A-B
23 3 B
但是,我现在需要保留一些值,同时 return 其他值返回 NA,基于重复的连续 运行 长度(按 id col 分组)。如果A-B的连续重复长于1那么return所有值到NA,如果A-C的连续重复长于2那么return所有值到NA,如果A-D的连续重复长于 3,则 return 所有值都为 NA。
我想要的结果是:
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 NA
6 1 NA
7 1 B
8 2 A
9 2 NA
10 2 NA
11 2 NA
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 NA
22 3 NA
23 3 B
我认为这可以通过 group_by(id)
、rle()
或 data.table 的 rleid()
的某种组合来实现,然后有条件地将值转回基于 NA 的值关于 case_when 的值和 运行 长度(我考虑过 ifelse()
但我有比示例中提供的条件更多的条件,并且读到 case_when 将是更好的选择), 但我一直无法弄清楚如何编写精确的代码来执行此操作。我遇到的一个类似问题是
如有任何建议,我们将不胜感激。我觉得我很接近,但我需要帮助才能达到我想要的结果。
首先强烈推荐使用replace_na
功能
那么你可以这样使用:
x <- data.frame(matrix(c(1, 1, 1, 2, 2, 2, 3, 3, 3,
0, 1, 2, 3, 4, 4, 5, 5, 5), ncol=2))
x %>%
group_by(X1) %>%
mutate(X3 = ifelse(X2 == lag(X2, default = "") | X2 == lead(X2, default = ""),
X2, NA_integer_)) %>%
group_by(X1, X3) %>%
mutate(X4 = n())
输入:
X1 X2
1 1 0
2 1 1
3 1 2
4 2 3
5 2 4
6 2 4
7 3 5
8 3 5
9 3 5
输出:
# A tibble: 9 x 4
# Groups: X1, X3 [4]
X1 X2 X3 X4
<dbl> <dbl> <dbl> <int>
1 1 0 NA 3
2 1 1 NA 3
3 1 2 NA 3
4 2 3 NA 1
5 2 4 4 2
6 2 4 4 2
7 3 5 5 3
8 3 5 5 3
9 3 5 5 3
然后你就可以用X4做你想做的了
你可以做什么:
myfun <- function(x){
y <- rle(x)
z <- match(y$values, LETTERS)
ind <- which(is.na(z))
m <- z[ind + 1] - z[ind - 1] >= y$lengths[ind]
y$values[ind[m]] <- paste(y$values[ind[m] - 1], y$values[ind[m] + 1], sep = "-")
inverse.rle(y)
}
transform(dat, var1 = ave(var1, id, FUN = myfun))
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 NA
6 1 NA
7 1 B
8 2 A
9 2 NA
10 2 NA
11 2 NA
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 NA
22 3 NA
23 3 B