根据 R 中的行号重构数据答案

【问题标题】：Restructure data based on row numbers in R根据 R 中的行号重构数据
【发布时间】：2020-10-29 18:12:12
【问题描述】：

我无法根据需要重组数据。我的 df 看起来像这样：

id <- (1:20)
author <- c("A","A","A","A","A","B","B","B","A","A","A","B","B","B","B"
            ,"B","B","B","A","A")
df <- data.frame(id, author)

> print(df)

   id author
1   1      A
2   2      A
3   3      A
4   4      A
5   5      A
6   6      B
7   7      B
8   8      B
9   9      A
10 10      A
11 11      A
12 12      B
13 13      B
14 14      B
15 15      B
16 16      B
17 17      B
18 18      B
19 19      A
20 20      A

我正在尝试获取一个数据结构，其中列是作者，rwos 表示每个 A 或 B 值序列的第一个和最后一个 id 值。所以在这种情况下，作者 A 的第一行是 id = 1，该系列的最后一行是 id 5，依此类推。像这样的：

A <- c(1, 5, 9, 11, 19,20)
B <- c(6, 8, 12, 18, NA, NA)
df.desired <- data.frame(A, B)
print(df.desired)
   A  B
1  1  6
2  5  8
3  9 12
4 11 18
5 19 NA
6 20 NA

有什么想法吗？非常感谢！

【问题讨论】：

相关：Find start and end positions/indices of runs/consecutive values

标签： r dplyr data.table tidyverse tidyr

【解决方案1】：

我们可以使用data.tablerleid创建组，在每个组中选择第一行和最后一行并获取宽格式数据。

library(dplyr)

df %>%
  group_by(grp = data.table::rleid(author)) %>%
  slice(1L, n()) %>%
  group_by(author) %>%
  mutate(grp = row_number()) %>%
  tidyr::pivot_wider(names_from = author, values_from = id) %>%
  select(-grp)

# A tibble: 6 x 2
#      A     B
#  <int> <int>
#1     1     6
#2     5     8
#3     9    12
#4    11    18
#5    19    NA
#6    20    NA

对于 cmets 中的更新请求，我们可以这样做：

df %>%
  group_by(grp = data.table::rleid(author)) %>%
  slice(1L, n()) %>%
  mutate(author = row_number()) %>%
  tidyr::pivot_wider(names_from = row, values_from = id) %>%
  ungroup %>%
  select(-grp)

# A tibble: 5 x 2
#    `1`   `2`
#  <int> <int>
#1     1     5
#2     6     8
#3     9    11
#4    12    18
#5    19    20

【讨论】：

太好了，谢谢！我可以跟进吗？如果我想要一行来指定每个作者的序列怎么办？所以在这种情况下 X1
@AntVal 你可以在我的代码中使用as.data.frame(do.call(rbind,u)) 和u 来生成df
@AntVal 这是对原始答案的一个小改动。请查看更新的答案。

【解决方案2】：

这是一个基本的 R 选项

z <- rle(df$author)
lst <- split(df,findInterval(1:nrow(df),cumsum(z$lengths), left.open = TRUE))
u <- lapply(lst,function(v) range(v$id))
idx <- split(seq_along(z$values),z$values)
x <- lapply(idx,function(v) unlist(u[v],use.names = FALSE))
df.desired <- as.data.frame(lapply(x,`length<-`,max(lengths(x))))

给了

> df.desired
   A  B
1  1  6
2  5  8
3  9 12
4 11 18
5 19 NA
6 20 NA

【讨论】：

【解决方案3】：

使用data.table的选项：

library(data.table)
dcast(
    setDT(df)[, ri := rleid(author)][, id[c(1L, .N)], .(author, ri)],
    rowid(author) ~ author, value.var="V1")

输出：

   author  A  B
1:      1  1  6
2:      2  5  8
3:      3  9 12
4:      4 11 18
5:      5 19 NA
6:      6 20 NA

如果作者可能只有一行，则需要unique(c(1L, .N))

【讨论】：