合并行并取最小值和最大值

Question

我想知道这样做的最佳方法是什么。

我有一个 csv 表，其中包含 3 列的超过 50 万个条目。我注意到有些行有多个开始和结束位置。我想将它们合并到一行中，并为它们的范围取最小值和最大值。

我想知道我该怎么做。我正在考虑使用R？我愿意接受任何建议。提前谢谢你。

A,10,200
A,250,350
B,5,220
B,230,260
C,1,100
D,20,50
E,1,10
F,11,90
F,100,200
F,210,350
etc

我希望最终的结果是这样的：

A,10,350
B,5,260
C,1,100
D,20,50
E,1,10
F,11,350

Answer 1

这通过将您的两个数字列转换为一列来实现。这样您就可以将min 和max 放在一个列上，即value。

library(tidyr)
library(dplyr)

df %>% 
  tidyr::pivot_longer(cols = c(B, C)) %>%
  dplyr::group_by(A) %>% 
  dplyr::summarize(min = min(value),
                   max = max(value))

  A       min   max
  <chr> <int> <int>
1 A        10   350
2 B         5   260
3 C         1   100
4 D        20    50
5 E         1    10
6 F        11   350

---

数据

lines <- "
A,B,C
A,10,200
A,250,350
B,5,220
B,230,260
C,1,100
D,20,50
E,1,10
F,11,90
F,100,200
F,210,350"

df <- read.table(text = lines, header = T, sep = ",")

Answer 2

在R中，我们可以按第一列和summarise与c_across分组，以根据其他列返回min和max

library(dplyr)    
df1 %>%
  group_by(col1) %>% 
  summarise(min = min(c_across(everything())), 
             max = max(c_across(everything())), .groups = 'drop')

-输出

# A tibble: 6 x 3
#  col1    min   max
#  <chr> <int> <int>
#1 A        10   350
#2 B         5   260
#3 C         1   100
#4 D        20    50
#5 E         1    10
#6 F        11   350

数据

df1 <- structure(list(col1 = c("A", "A", "B", "B", "C", "D", "E", "F", 
"F", "F"), col2 = c(10L, 250L, 5L, 230L, 1L, 20L, 1L, 11L, 100L, 
210L), col3 = c(200L, 350L, 220L, 260L, 100L, 50L, 10L, 90L, 
200L, 350L)), class = "data.frame", row.names = c(NA, -10L))