基于 R 中的两个顺序变量分配集群/组答案

【问题标题】：Assigning clusters/groups based on two sequential variables in R基于 R 中的两个顺序变量分配集群/组
【发布时间】：2016-05-23 23:46:30
【问题描述】：

上下文：我有一些空间点数据（即经纬度坐标），每个点都与一个日期相关联。我已经将靠近的点聚集在一起，但我现在想将这些集群分成组，以便如果按日期排序，这些集群是连续的并组合在一起。日期可以有间隔，我只想在观察完全划分一组时进行分割，即它不仅仅是在边缘

基本上，鉴于下面的cluster 和day 字段，我想生成desired。

   cluster day desired
1        1   1       1
2        1   1       1
3        1   2       1
4        1   4       1
5        2   6       2
6        2   7       2
7        2   8       2
8        1   8       3
9        3   9       4
10       3  12       4
11       3  12       4
12       2  12       5
13       2  14       5
14       3  18       6
15       3  19       6

这是一个完整的例子，注意空间坐标本质上是不相关的，为了完整起见，我只是将它们包括在内。另外，在我的实际数据集中，day 是一个日期对象，但为了简单起见，我使用了一个整数。

library(ggplot2)
pts <- data.frame(rbind(
  cbind(lon = rnorm(5, 0, 0.1), lat = rnorm(5, 0, 0.1), 
        day = c(1, 1, 2, 4, 8)),
  cbind(lon = rnorm(5, 1, 0.1), lat = rnorm(5, 1, 0.1), 
        day = c(6, 7, 8, 12, 14)),
  cbind(lon = rnorm(5, 1, 0.1), lat = rnorm(5, 0, 0.1), 
        day = c(9, 12, 12, 18, 19))
))
hc <- hclust(dist(pts[c("lon", "lat")]))
pts$cluster <- cutree(hc, k = 3)
ggplot(pts) +
  geom_text(aes(lat, lon, label = day, col = as.factor(cluster)))

我想要的分组是这样的：

pts$desired <- c(1, 1, 1, 1, 3, 
                 2, 2, 2, 5, 5,
                 4, 4, 4, 6, 6)
ggplot(pts) +
  geom_text(aes(lat, lon, label = day, col = as.factor(desired)))

【问题讨论】：

澄清一下，您的问题是“如何填充desired”还是其他问题？
是的，如何创建desired 列？抱歉，我现在意识到这个问题有点令人困惑
是的，找到进行剪辑的位置，然后根据这些剪辑分配组。看我刚刚发布的解决方案，我认为解决了问题，但不是很优雅
看起来“期望”总是随着列“cluster”的每次变化而增加。在这种情况下，您可以使用cumsum(c(1L, diff(df$cluster) != 0)) 创建它。
@docendodiscimus 既然您想出了设置desired 的方法，也许您想发布完整的答案（即获得信用）。对于 dplyr 和您的建议，它可能看起来像 pts %>% arrange(day, cluster) %>% mutate(desired = cumsum(c(1L, diff(cluster) != 0)))

标签： r cluster-analysis dplyr

【解决方案1】：

此解决方案由原始问题的 cmets 中的@docendodiscimus 提供。

library(dplyr)
pts <- pts %>% 
  arrange(day, desc(cluster)) %>% 
  mutate(new_cluster = cumsum(c(1L, diff(cluster) != 0)))
all.equal(pts$desired, pts$new_cluster)

【讨论】：