r - 选择具有特定列匹配条件的行

Question

我有一个 data.frame有 2291 行和 4 列，我想选择那些第 3 列与下一行的第 2 列匹配的行，然后从下一个匹配的行重新开始，直到匹配继续进行，直到它停止。

我尝试使用 for来自 1:nrow(df) 的循环，但这并不像 i 那样准确(我认为)并没有真正从匹配的行开始。

我目前的代码是这样的:

test <- NULL 
x <- c()
y <- c()

for(i in 1:nrow(df)){
    if(df[i,3]==df[i+1,2]){
        x <- df[i,]
        y <- df[i+1,]
        i = i+1 #stuck at this
    }
    test <- rbind(test,x,y)
}

示例数据如下所示:

X  2670000  3750000    C
X  3830000  8680000   E3
X  8680000 10120000 E1-A
X 10120000 11130079    D
X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 12810079 13530079   E3
X 13530079 14050079   E3
X 14050079 15330079    A
X 15330079 16810079 E2-A
X 16810079 17690079 E2-A

我想要的是:

X  3830000  8680000   E3
X  8680000 10120000 E1-A
X 10120000 11130079    D

X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 12810079 13530079   E3
X 13530079 14050079   E3
X 14050079 15330079    A
X 15330079 16810079 E2-A
X 16810079 17690079 E2-A

我实际上对第 4 列的值感兴趣。在这样的条件下，当 df[i,3]不等于 df[i+1,2] ，是否可以更新代码以将第 4 列的值存储在向量中？

例如: 此示例的结果将是:

vector_1
"E3" "E1-A" "D"

vector_2
"E3" "E2-A" "E3" "E3" "A" "E2-A" "E2-A" 

到目前为止我得到的是:

X  3830000  8680000   E3
X  8680000 10120000 E1-A
X  8680000 10120000 E1-A
X 10120000 11130079    D
X  8680000 10120000 E1-A
X 10120000 11130079    D
X 11170079 11810079   E3
X 11810079 12810079 E2-A
X 11810079 12810079 E2-A
X 12810079 13530079   E3

如果我从第 1 行到我的 df 的最后一行，我想继续在向量中添加第 4 列的值，只要 i 的第 3 列匹配 i+1 的第 2 列.一旦该条件中断，下次满足相同条件时，我想再次继续存储第 4 列的值。

谢谢!

Answer 1

一个简单的方法是使用 lead dplyr 包中的函数。

lead(x, n = 1L, default = NA, order_by = NULL, ...) Find the "next" or "previous" values in a vector. Useful for comparing values ahead of or behind the current values.

这也使您可以完全避免 for 循环。由于您没有在问题中命名您的列，我将使用另一个示例:

library(dplyr)
df <- data.frame(a = 1:5, b = c(2, 999, 4, 5, 999))

print(df) # In this example, we want to keep the 1st, 3rd, and 4th rows.
     a   b
   1 1   2
   2 2 999
   3 3   4
   4 4   5
   5 5 999

matching_df <- df[df$b == dplyr::lead(df$a, 1, default = FALSE), ]
print(matching_df)
      a b
    1 1 2
    3 3 4
    4 4 5

non_matching_df <- df[df$b != dplyr::lead(df$a, 1, default = FALSE), ]
print(non_matching_df)
      a   b
    2 2 999
    5 5 999