r - 在 R 中为连续行分组数据

Question

如果在 R 中没有快速的 1-3 衬里，我肯定会使用 linux sort和一个使用 groupby 的简短 Python 程序，所以不要向后弯腰试图让一些疯狂的工作。这是输入数据框:

df_in <- data.frame(
  ID = c(1,1,1,1,1,2,2,2,2,2),
  weight = c(150,150,151,150,150,170,170,170,171,171),
  start_day = c(1,4,7,10,11,5,10,15,20,25),
  end_day = c(4,7,10,11,30,10,15,20,25,30)
)
   ID weight start_day end_day
1   1    150         1       4
2   1    150         4       7
3   1    151         7      10
4   1    150        10      11
5   1    150        11      30
6   2    170         5      10
7   2    170        10      15
8   2    170        15      20
9   2    171        20      25
10  2    171        25      30

我想通过 ID 做一些基本的聚合和 weight ，但仅当组位于 df_in 的连续行中时.具体来说，期望的输出是

df_desired_out <- data.frame(
  ID = c(1,1,1,2,2),
  weight = c(150,151,150,170,171),
  min_day = c(1,7,10,5,20),
  max_day = c(7,10,30,20,30)
)
  ID weight min_day max_day
1  1    150       1       7
2  1    151       7      10
3  1    150      10      30
4  2    170       5      20
5  2    171      20      30

这个 question似乎非常接近我想要的，但由于某种原因我在适应它时遇到了很多麻烦。

Answer 1

在 dplyr 中，我会通过为连续行创建另一个分组变量来做到这一点。这就是代码 cumsum(c(1, diff(weight) != 0)在下面的代码块中做。 here 也是一个例子。 .

群组创建可以在 group_by 内完成，然后您可以相应地按组进行任何摘要。

library(dplyr)

df_in %>%
    group_by(ID, group_weight = cumsum(c(1, diff(weight) != 0)), weight) %>%
    summarise(start_day = min(start_day), end_day = max(end_day))

Source: local data frame [5 x 5]
Groups: ID, group_weight [?]

     ID group_weight weight start_day end_day
  (dbl)        (dbl)  (dbl)     (dbl)   (dbl)
1     1            1    150         1       7
2     1            2    151         7      10
3     1            3    150        10      30
4     2            4    170         5      20
5     2            5    171        20      30

这种方法确实会在数据集中为您留下额外的分组变量，如果需要，可以使用 select(-group_weight) 将其删除。解码后。