如何识别r中字符串匹配之间的行

Question

我希望能够识别具有唯一值的香蕉之间的水果，并且最后一根香蕉也标有该唯一值。其他所有内容，例如在第一个香蕉之前或最后一个香蕉之后，或者如果连续有两个、三个香蕉 - 不符合我的兴趣 - 它们可以有 0 作为值或被删除。如果我听起来太混乱，请参考所需的输出。我希望有人有一个想法。我一直在谷歌搜索和 stackoverflow 没有任何成功。我希望以前没有人问过这件事并不容易。

  fruits <- c("apples", "pears","bananas", "cherries")
  customer <- rep(c(1:10), each = 3)
  set.seed(1236)
  df_fruits <- data.frame(customer = sample(customer, 30, replace = T),
                    fruits = sample(fruits,30, replace = T, prob=c(0.29,0.60,0.5,0.1)))
  df_fruits <- distinct(df_fruits,.keep_all = T)
  df_fruits

期望的输出

    customer   fruits section
1         8    pears       0
2         7 cherries       0
3         5  bananas       0
4         5    pears       1
5        10  bananas       1
6         9    pears       2
7        10    pears       2
8         1   apples       2
9         1    pears       2
10        4    pears       2
11        6    pears       2
12        6 cherries       2
13        4   apples       2
14        8   apples       2
15        2    pears       2
16        1  bananas       2
17        8  bananas       0
18        9  bananas       0
19        3  bananas       0
20        3    pears       3
21        2  bananas       3

提前谢谢你！

Answer 1

我不确定我是否理解你想如何处理香蕉，但这可能会让你更接近你需要的东西：

library(dplyr)

df_fruits %>%
  mutate(section = lag(cumsum(ifelse(fruits != lag(fruits) & fruits == "bananas", 1, 0)), default=0)) %>%
  filter (!(fruits == lag(fruits) & fruits == "bananas"))

customer   fruits section
1         8    pears       0
2         7 cherries       0
3         5  bananas       0
4         5    pears       1
5        10  bananas       1
6         9    pears       2
7        10    pears       2
8         1   apples       2
9         1    pears       2
10        4    pears       2
11        6    pears       2
12        6 cherries       2
13        4   apples       2
14        8   apples       2
15        2    pears       2
16        1  bananas       2
17        3    pears       3
18        2  bananas       3

编辑：我添加了过滤器以删除我刚刚读到的重复香蕉。

Answer 2

您的输入数据和所需的输出具有不同的行数。 使用您想要的输出作为输入数据，这是dplyr 的一种方法。 output 是计算列，可以与您的 section 列进行比较 -

test <- df_fruits$fruits == "bananas"
df_fruits %>% 
  filter(!(test & lag(test))) %>% 
  mutate(
    output = cumsum(t <- fruits == "bananas") - t
  )

   customer   fruits section output
1         8    pears       0      0
2         7 cherries       0      0
3         5  bananas       0      0
4         5    pears       1      1
5        10  bananas       1      1
6         9    pears       2      2
7        10    pears       2      2
8         1   apples       2      2
9         1    pears       2      2
10        4    pears       2      2
11        6    pears       2      2
12        6 cherries       2      2
13        4   apples       2      2
14        8   apples       2      2
15        2    pears       2      2
16        1  bananas       2      2
17        3    pears       3      3
18        2  bananas       3      3