【问题标题】:dplyr override all but the first occurrences of a value within a groupdplyr 覆盖组中除第一次出现的值之外的所有值
【发布时间】:2016-03-18 08:19:47
【问题描述】:

我有一个分组的 data_frame,其中的“tag”列取值“0”和“1”。在每个组中,我需要找到第一个出现的“1”并将所有剩余的出现更改为“0”。有没有办法在 dplyr 中实现?

例如,让我们取“iris”数据并添加额外的“tag”列:

data(iris)
set.seed(1)
iris$tag <- sample( c(0, 1), 150, replace = TRUE, prob = c(0.8, 0.2))
giris <- iris %>% group_by(Species)

在“giris”中,在“setosa”组中,我只需要保留第一次出现的“1”(即第 4 行)并将其余的设置为“0”。这好像有点像敷面膜什么的……

有办法吗?我一直在尝试“which”和“duplicated”,但没有成功。我一直在考虑只过滤“1”,保留它们,然后加入剩余的集合,但这似乎很尴尬,尤其是对于 12GB 的数据集。

【问题讨论】:

    标签: r dplyr


    【解决方案1】:

    一个 dplyr 选项:

    mutate(giris, newcol = as.integer(tag & cumsum(tag) == 1))
    

    或者

    mutate(giris, newcol = as.integer(tag & !duplicated(tag)))
    

    或使用data.table,方法相同,但通过引用修改:

    library(data.table)
    setDT(giris)
    giris[, newcol := as.integer(tag & cumsum(tag) == 1), by = Species]
    

    【讨论】:

    • 对 cumsum 的一个非常好的和巧妙的使用 :-)。只是出于好奇:如果我有“a”和“b”而不是“0”和“1”,关于如何概括它的任何想法?或者如果有三个级别?同样,这只是好奇
    • @rpl,对于 "a"s 和 "b"s,它将是 as.integer(tag == "a" &amp; cumsum(tag == "a") == 1)。不同之处在于 0/1 被解释为 TRUE/FALSE,可以简单地求和或用于逻辑比较,而对于“a”和“b”,我们必须明确编写检查。
    • 啊,确实。这在它的简单性中真的很巧妙。非常感谢!
    • @rpl,我添加了一种重复的方法。如果您将其修改为:mutate(giris, newcol = as.integer(tag == "a" &amp; !duplicated(tag))) 例如,您也可以轻松地将其用于其他情况
    【解决方案2】:

    我们可以试试

    res <- giris %>%
             group_by(Species) %>% 
             mutate(tag1 = ifelse(cumsum(c(TRUE,diff(tag)<0))!=1, 0, tag))
    
    table(res[c("Species", "tag1")])
    #            tag1
    #Species      0  1
    # setosa     49  1
    # versicolor 49  1
    # virginica  49  1
    

    【讨论】:

      猜你喜欢
      • 2021-11-12
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2019-08-03
      • 1970-01-01
      • 1970-01-01
      • 2017-12-14
      • 1970-01-01
      相关资源
      最近更新 更多