r - 按连接值对 R 数据帧进行分组

Question

我没有在 R 中找到这个常见分组问题的解决方案:

这是我的原始数据集

ID  State
1   A
2   A
3   B
4   B
5   B
6   A
7   A
8   A
9   C
10  C

这应该是我的分组结果数据集

State   min(ID) max(ID)
A       1       2
B       3       5
A       6       8
C       9       10

所以想法是首先按 ID 列(或时间戳列)对数据集进行排序。然后所有没有间隙的连接状态应该组合在一起，并且应该返回最小和最大 ID 值。它与 rle 方法有关，但这不允许计算组的最小值、最大值。

有任何想法吗？

Answer 1

你可以试试:

library(dplyr)
df %>%
  mutate(rleid = cumsum(State != lag(State, default = ""))) %>%
  group_by(rleid) %>%
  summarise(State = first(State), min = min(ID), max = max(ID)) %>%
  select(-rleid)

或者按照@alistaire 在评论中提到的，你实际上可以在 group_by() 内变异。使用相同的语法，结合前两个步骤。盗版 data.table::rleid()并使用 summarise_all()简化:

df %>% 
  group_by(State, rleid = data.table::rleid(State)) %>% 
  summarise_all(funs(min, max)) %>% 
  select(-rleid)

这使:

## A tibble: 4 × 3
#   State   min   max
#  <fctr> <int> <int>
#1      A     1     2
#2      B     3     5
#3      A     6     8
#4      C     9    10