r - 确定数据帧中前一行的值是否重复

Question

我有一些数据组织如下:

set.seed(12)

ids <- matrix(replicate(1000,sample(LETTERS[1:4],2)),ncol=2,byrow=T)

df <- data.frame(
  event = 1:100,
  id1 = ids[,1],
  id2 = ids[,2],
  grp = rep(1:10, each=100), stringsAsFactors=F)

head(df,10)

   event id1 id2 grp
1      1   A   C   1
2      2   D   A   1
3      3   A   D   1
4      4   A   B   1
5      5   A   D   1
6      6   B   C   1
7      7   B   D   1
8      8   B   D   1
9      9   B   D   1
10    10   C   A   1

有成对的 ID(id1 和 id2)。在一行中，它们永远不会相同。有一个变量叫grp。有10组。每个组都可以被视为一个单独的数据样本。每组中的事件变量范围为 1-100。

我的第一个问题非常简单。在每个组内，对于每行，是与前一行相同、与前一行相反的两个 id (id1-id2) 的组合，或者这两个选项都不是。显然，如果一组的第 100 行有 A-C 组合，我对下一组的第 1 行是否相反、相同或其他不感兴趣。

这是我的临时解决方案:

#Give each id pair and identifier:
df$pair <- paste(pmin(df$id1,df$id2), pmax(df$id1,df$id2))

#For each grp, work out using `lag` if previous row contains same pair of ids, and if they are in same or reversed order:

df.sp <- split(df, df$grp)
df$value <- unlist(lapply(df.sp, function(x) ifelse(x$pair!=lag(x$pair), NA, ifelse(x$id1==lag(x$id1), 1, 0)) ))

这给出:

head(df,10)
   event id1 id2 grp pair value
1      1   A   C   1  A C    NA
2      2   D   A   1  A D    NA
3      3   A   D   1  A D     0
4      4   A   B   1  A B    NA
5      5   A   D   1  A D    NA
6      6   B   C   1  B C    NA
7      7   B   D   1  B D    NA
8      8   B   D   1  B D     1
9      9   B   D   1  B D     1
10    10   C   A   1  A C    NA

这有效 - 显示 0 为反转，1 为复制，NA 为两者都不是。

我感兴趣的更复杂的问题如下。在每个组 (grp) 中，对于每一行，查找其两个 id 的组合(一对)先前是否出现在该 grp 中。如果确实如此，则返回它们与前一次发生时的顺序相同还是相反。

结果将如下所示:

   event id1 id2 grp pair value
1      1   A   C   1  A C    NA
2      2   D   A   1  A D    NA
3      3   A   D   1  A D     0
4      4   A   B   1  A B    NA
5      5   A   D   1  A D     1
6      6   B   C   1  B C    NA
7      7   B   D   1  B D    NA
8      8   B   D   1  B D     1
9      9   B   D   1  B D     1
10    10   C   A   1  A C     0

例如第 10 行返回为 0，因为组合 A-C 先前出现过并且顺序相反(第 1 行)。在第 5 行，返回 1，因为 A-D 先前在第 3 行以相同的顺序出现。

Answer 1

你就快到了!第二个问题与第一个问题等效，只是按pair和group分组。我将代码转换为 dplyr (尽管我很欣赏将问题保留在 base 中的精神)。我还删除了第二个 ifelse，将其替换为逻辑的数字转换，这应该具有更高的性能(有些人会发现更容易阅读)。

df %>% group_by(grp) %>%
    mutate(
        pair = paste(pmin(id1, id2), pmax(id1, id2)),
        prev_row = ifelse(pair != lag(pair), NA, as.numeric(id1 == lag(id1)))
    ) %>%
    group_by(grp, pair) %>%
    mutate(prev_any = ifelse(pair != lag(pair), NA, as.numeric(id1 == lag(id1)))) %>%
    head(10)
# Source: local data frame [10 x 7]
# Groups: grp, pair [5]
#
#    event   id1   id2   grp  pair prev_row prev_any
#    (int) (chr) (chr) (int) (chr)    (dbl)    (dbl)
# 1      1     A     C     1   A C       NA       NA
# 2      2     D     A     1   A D       NA       NA
# 3      3     A     D     1   A D        0        0
# 4      4     A     B     1   A B       NA       NA
# 5      5     A     D     1   A D       NA        1
# 6      6     B     C     1   B C       NA       NA
# 7      7     B     D     1   B D       NA       NA
# 8      8     B     D     1   B D        1        1
# 9      9     B     D     1   B D        1        1
# 10    10     C     A     1   A C       NA        0