压缩/汇总R中的字符串开始和长度数据

Question

我在一个较大的字符串中有一个data.frame 的（子）字符串位置。数据包含（子）字符串的开头及其长度。 （子）字符串的结束位置可以很容易地计算出来。

data1 <- data.frame(start = c(1,3,4,9,10,13),
                   length = c(2,1,3,1,2,1)
                   )

data1$end <- (data1$start + data1$length - 1)

data1
#>   start length end
#> 1     1      2   2
#> 2     3      1   3
#> 3     4      3   6
#> 4     9      1   9
#> 5    10      2  11
#> 6    13      1  13

^{由reprex package (v0.3.0) 于 2019 年 12 月 10 日创建}

我想通过汇总连续（子）字符串（相互连接的字符串）来“压缩”这个data.frame，以便我的新数据如下所示：

data2 <- data.frame(start = c(1,9,13),
                   length = c(6,3,1)
                   )

data2$end <- (data2$start + data2$length - 1)

data2
#>   start length end
#> 1     1      6   6
#> 2     9      3  11
#> 3    13      1  13

^{由reprex package (v0.3.0) 于 2019 年 12 月 10 日创建}

最好有一个基本的 R 解决方案可以让我从data1 到data2？

Answer 1

f = cumsum(with(data1, c(0, start[-1] - head(end, -1))) != 1)
do.call(rbind, lapply(split(data1, f), function(x){
    with(x, data.frame(start = start[1],
                       length = tail(end, 1) - start[1] + 1,
                       end = tail(end, 1)))}))
#  start length end
#1     1      6   6
#2     9      3  11
#3    13      1  13

Answer 2

使用dplyr，我们可以做到以下几点：

library(dplyr)

data1 %>% 
  group_by(consecutive = cumsum(start != lag(end, default = 0) + 1)) %>% 
  summarise(start = min(start), length=sum(length), end=max(end)) %>% 
  ungroup %>% select(-consecutive)

#> # A tibble: 3 x 3
#>   start length   end
#>   <dbl>  <dbl> <dbl>
#> 1     1      6     6
#> 2     9      3    11
#> 3    13      1    13