r - 从开始/结束间隔点展开一系列有序代码

Question

我有一个以下类型的数据框

> foo <- data.frame(start = c(7, 12, 23, 30), end = c(10, 16, 27, 35), code = rep("A", 4))
> foo
  start end code
1     7  10    A
2    12  16    A
3    23  27    A
4    30  35    A

我的目标是创建一个新的数据框series，它扩展了之前在开始/结束点压缩的有序序列，同时包含编码间隔之外的点的代码B foo:

> series
   time code
1     1    B
2     2    B
3     3    B
4     4    B
5     5    B
6     6    B
7     7    A
8     8    A
9     9    A
10   10    B
11   11    B
12   12    A
13   13    A
...
29   29    B
30   30    A
31   31    A
32   32    A
33   33    A
34   34    A
35   35    A

任何帮助将不胜感激。

Answer 1

您可以使用Map，它是lapply的多元版本:

foo2 <- do.call(rbind, Map(function(s, e, c){data.frame(time = seq(s, e), 
                                                        code = c)}, 
                           foo$start, foo$end, foo$code))
head(foo2, 10)
#    time code
# 1     7    A
# 2     8    A
# 3     9    A
# 4    10    A
# 5    12    A
# 6    13    A
# 7    14    A
# 8    15    A
# 9    16    A
# 10   23    A

该函数创建一个 data.frame，其中 time 作为从 start 到 end 的 sequence，并且code 作为该行的代码。 do.call(rbind 捕获从每一行创建的 data.frames 并重新组装它们。

然后我们可以使用 merge 和 is.na 填充剩余的级别:

foo3 <- merge(foo2, data.frame(time = 1:max(foo$end)), all.y = TRUE)
foo3$code <- as.character(foo3$code)    # change from factor to character
foo3$code[is.na(foo3$code)] <- 'B'
head(foo3, 10)
#    time code
# 1     1    B
# 2     2    B
# 3     3    B
# 4     4    B
# 5     5    B
# 6     6    B
# 7     7    A
# 8     8    A
# 9     9    A
# 10   10    A

如果您希望将数据保留为因素(合理)，则可以将合并后的两行替换为:

foo3$code <- factor(foo3$code, levels = c('A', NA), labels = c('A', 'B'), exclude = NULL)

这是等效的，除了会避免转换为向量。

---

如果您不介意 code 是一个字符向量，并且您只得到“A”和“B”的代码，那么您实际上可以从一个完整的data.frame，然后通过用apply组装序列来重新插入“A”值，这更简单一点:

foo4 <- data.frame(time = seq(1, max(foo$end)), code = 'B', stringsAsFactors = FALSE)
foo4$code[unlist(apply(foo[,1:2], 1, function(x){seq(x[1], x[2])}))] <- 'A'