合并 data.frame 中的行答案

【问题标题】：Combining rows in a data.frame合并 data.frame 中的行
【发布时间】：2014-08-12 08:32:54
【问题描述】：

我有一个data.frame，看起来像这个例子data.frame：

df = data.frame(id = c("a","b","c","d","e","f","g"), start = c(10,20,30,40,50,60,70), end = c(15,25,35,45,55,65,75), flag = c(0,1,1,0,1,0,1))
> df
  id start end flag
1  a    10  15    0
2  b    20  25    1
3  c    30  35    1
4  d    40  45    0
5  e    50  55    1
6  f    60  65    0
7  g    70  75    1

它按df$start 和df$end 的升序排列。我正在寻找一个函数，它将所有行与df$flag == 1 合并，这些行不会被df$flag == 0 的行干预。合并的行应该将它们的df$id 与逗号分隔符连接起来，它们的df$start 应该是带有min df$start 的行，它们的df$end 应该是带有max @987654334 的行@。最后，df$flag 对他们来说应该是 1。

所以对于这个例子，返回 data.frame 应该是：

res.df = data.frame(id = c("a","b,c","d","e","f","g"), start = c(10,20,40,50,60,70), end = c(15,35,45,55,65,75), flag = c(0,1,0,1,0,1))
> res.df
   id start end flag
1   a    10  15    0
2 b,c    20  35    1
3   d    40  45    0
4   e    50  55    1
5   f    60  65    0
6   g    70  75    1

【问题讨论】：

您能否澄清end 的值？根据您的解释，听起来应该是 35，但您的 res.df 显示为 25。
很抱歉。现在已经修好了。
还有一个问题：合并的行是否会超过两行？

标签： r dataframe collapse

【解决方案1】：

aggregate 很难做到这一点，因为相同的函数会依次应用于每一列。多次调用aggregate 可以分块完成，然后合并。但是，data.table 允许在同一个调用中使用不同的聚合函数：

library(data.table)
d <- data.table(df)

d[,list(id=paste(id, collapse=','), start=min(start), end=max(end)), 
  by=list(flag, cumsum(flag==0))
]
   flag cumsum  id start end
1:    0      1   a    10  15
2:    1      1 b,c    20  35
3:    0      2   d    40  45
4:    1      2   e    50  55
5:    0      3   f    60  65
6:    1      3   g    70  75

您最终会得到一个新列，如果需要，可以将其删除。 cumsum(flag==0) 上的条件可防止将任何带有 flag==0 的行合并到聚合中，并在结果中保持非连续的 flag==1 值分开。

【讨论】：

【解决方案2】：

这是base 中使用aggregate 和merge 的解决方案：

merge(merge(aggregate(start ~ flag + cumsum(flag==0), data=df, FUN=min), 
           aggregate(end ~ flag + cumsum(flag==0), data=df, FUN=max)
      ), 
     aggregate(id ~ flag + cumsum(flag==0), data=df, FUN=paste, sep=',')
)
  flag cumsum(flag == 0) start end   id
1    0                 1    10  15    a
2    0                 2    40  45    d
3    0                 3    60  65    f
4    1                 1    20  35 b, c
5    1                 2    50  55    e
6    1                 3    70  75    g

如果您使用Reduce 和数据框列表进行合并，代码的可读性会更高：

Reduce(merge, list(aggregate(start ~ flag + cumsum(flag==0), data=df, FUN=min), 
                   aggregate(end   ~ flag + cumsum(flag==0), data=df, FUN=max),
                   aggregate(id    ~ flag + cumsum(flag==0), data=df, FUN=paste, sep=',')
              )
)

【讨论】：