Question

我有一个排序的数字输入，如下所示：

1    1    10
1    12   18
1    16   30
1    30   40
2    35   45

DF = structure(list(V1 = c(1L, 1L, 1L, 1L, 2L), V2 = c(1L, 12L, 16L, 
30L, 35L), V3 = c(10L, 18L, 30L, 40L, 45L)), .Names = c("V1", 
"V2", "V3"), row.names = c(NA, -5L), class = "data.frame")

按第一列排序，然后按第二列排序。现在我正在尝试在R中设计一个高效的函数（因为我的输入是数十万行），它可以合并重叠的行，例如，行2和3在三个地方重叠（16,17和18），而第3行和第4行在一个位置（30）重叠，而第5行以2开始，因此它与其余部分分开。总而言之，我想得到：

1    1    10
1    12   40 
2    35   45

然而，我正在努力合并一个参数，说“如果两行彼此足够接近，例如，在5个单位内”，然后合并它们，否则不要。在这种情况下，我想得到：

1    1    40
2    35   45

因为12-10 = 2＆lt;但是如果参数设置为1，那么输出就是原始的：

1    1    10
1    12   40 
2    35   45

Answer 1

以这种方式：

library(data.table)
setDT(DT)

th = 5
DT[, g := cumsum(V2 - shift(V3, fill = first(V2)) >= th), by=V1]
DT[, .(V2 = first(V2), V3 = last(V3)), by=.(V1, g = rleid(V1, g))]

#    V1 g V2 V3
# 1:  1 1  1 40
# 2:  2 2 35 45

# same code with th = 1

#    V1 g V2 V3
# 1:  1 1  1 10
# 2:  1 2 12 40
# 3:  2 3 35 45

Answer 2

这适用于您的玩具示例

df <- data.frame(ID=c(1,1,1,1,2),
             X1=c(1,12,16,30,35),
             X2=c(10,18,30,40,45))

df %>% 
  group_by(ID) %>%                                  # group wise operation by ID
  mutate(lg=lag(X2+5,default=head(X2,1))) %>%     # for comparison, offset X2 column by +1 row and add value of 5
  mutate(lt=lg<=X2) %>%                           # check if lg <= X2 
  mutate(group=cumsum(lt != lag(lt,default=head(lt,1)))) %>%    # make groups based on logical test in lt
  group_by(ID,group) %>%
  summarise(X1=min(X1), X2=max(X2))               # summarise data as min and max of X1 and X2 respectively

输出

     ID group    X1    X2
1     1     0     1    40
2     2     0    35    45

R：将已排序的数字输入合并为间隔

2 个答案: