时间戳

首页 > 解决方案 > 提取数据框中具有重复对的不同行的列位置

r - 提取数据框中具有重复对的不同行的列位置

问题描述

我有下面的数据框：

master <- data.frame(A=c(1,1,2,2,3,3,4,4,5,5), B=c(1,2,3,3,4,5,6,6,7,8),C=c(5,2,5,7,7,5,7,9,7,8),D=c(1,2,5,3,7,5,9,6,7,0))

如您所见，我有 4 列A,B,C,D。我想要实现的是创建一个新的数据框，其中将包括和之间的重复对行A、B发生这种重复的行的索引、使这些行在第三列中不同的列名（C,D或C和）以及D使这些行不同的那些列名的列位置。

所需的输出应该类似于：

# A tibble: 2 x 4
# Groups:   A [?]
#     A     B     n locs  different position
#   <dbl> <dbl> <int> <chr> <chr>    <int>
#1     2     3     2 3, 4  C, D     3,4
#2     4     6     2 7, 8  C, D     3,4

如您所见，重复的对行因列 C 和 D 不同，它们分别位于主数据集的第 3 和第 4 位置。正如您在下面看到的，唯一需要添加的是基于初始master数据集的列位置。

#code
library(tidyverse)
master %>%
   mutate(rn = row_number()) %>% 
   group_by(A, B) %>% 
   filter(n() > 1) %>% 
   summarise(n = n(), 
            locs =  toString(rn),
            Different = case_when(n_distinct(C) > 1 & n_distinct(D) > 1 ~ 'C, D', 
                                  n_distinct(C) > 1 ~ 'C', 
                                  n_distinct(D) > 1 ~ 'D', 
                                  TRUE ~ 'Same')) 

# A tibble: 2 x 4
# Groups:   A [?]
#     A     B     n locs  different
#   <dbl> <dbl> <int> <chr> <chr>    
#1     2     3     2 3, 4  C, D     
#2     4     6     2 7, 8  C, D

标签： r

解决方案

您可以使用 data.table，它具有方便.N的组大小和.I行号符号。剩下的就是检查哪些列是不同的，您可以通过sapply对它们进行 ing 并使用 . 检查唯一元素的数量来完成uniqueN。

library(data.table)
library(magrittr)
setDT(master)

out <- 
  master[, .(n = .N, 
             locs = .(.I), 
             different = .(names(.SD)[sapply(.SD, uniqueN) != 1]))
         , by = .(A, B)] %>% 
    .[n > 1]

out
#    A B n locs different
# 1: 2 3 2  3,4       C,D
# 2: 4 6 2  7,8       C,D

然后你可以position使用match(different, names(master))using lapply，一次走一排。

out[, position := lapply(different, match, names(master))]

out
#    A B n locs different position
# 1: 2 3 2  3,4       C,D      3,4
# 2: 4 6 2  7,8       C,D      3,4

推荐阅读