时间戳

首页 > 解决方案 > R：比较同一数据帧内的 ID

r - R：比较同一数据帧内的 ID

问题描述

我有以下数据集：

df <- data.frame(c(1,1,1,2,2,2,2,3,3,3,3,4,4,4,5,5,5), c("a","a","a","b","b","b","b","b","b","b","b",
                                                         "a","a","a","b","b","b"),
                 c(300,295,295,25,25,25,25,25,20,20,20,300,295,295,300, 295,295), 
                 c("c","d","e","f","g","h","i","j","l","m","n","o","p","q","r","s","t"))
colnames(df) <- c("ID", "Group", "Price", "OtherNumber")

> df
   ID Group Price OtherNumber
1   1     a   300           c
2   1     a   295           d
3   1     a   295           e
4   2     b    25           f
5   2     b    25           g
6   2     b    25           h
7   2     b    25           i
8   3     b    25           j
9   3     b    20           l
10  3     b    20           m
11  3     b    20           n
12  4     a   300           o
13  4     a   295           p
14  4     a   295           q
15  5     b   300           r
16  5     b   295           s
17  5     b   295           t

我想比较后续ID的第一个价格。仅当后续的两个ID具有相同的初始价格并且在同一组中时，我才想标记它们。以防万一这不是很清楚，这里有一个例子：我比较第一个和第二个 ID，但组（a 与 b）和初始价格不匹配（300 与 25）。另一方面，在 ID 2 和 3 之间，它们都在 b 组中并且具有相同的初始价格 25（参见第 4 行和第 8 行）。之后的价格并不重要，因为它们可能会有所不同。

我想，我必须能够使用 dplyr 包并确定了一个非常粗略的解决方案（这还不起作用）。

# Load dplyr
library(dplyr)

# Assign row numbers within IDs
df1 <- df %>%
  group_by(ID) %>%
  mutate(subID = row_number())

# Isolate first observation in ID 
df2 <- df1[df1$subID == 1,]

# Set up loop to iterate through IDs
for (i in 2:length(df2)) {
  if (df2$Price[i] - df2$Price[i - 1] == 0) {
    df2$flag <- TRUE
  } else {
    df2$flag <- FALSE
  }
}

如果您告诉我这是唯一可能的解决方案，我显然会为此投入更多资源，但我确信一定有更简单的解决方案。我检查了 SO，也许我错过了一些东西，但我找不到任何朝着这个方向发展的东西。谢谢！

我想得到的输出看起来像这样：

   ID Group Price OtherNumber   flag
1   1     a   300           c  FALSE
2   1     a   295           d  FALSE
3   1     a   295           e  FALSE
4   2     b    25           f   TRUE
5   2     b    25           g   TRUE
6   2     b    25           h   TRUE
7   2     b    25           i   TRUE
8   3     b    25           j   TRUE
9   3     b    20           l   TRUE
10  3     b    20           m   TRUE
11  3     b    20           n   TRUE
12  4     a   300           o  FALSE
13  4     a   295           p  FALSE
14  4     a   295           q  FALSE
15  5     b   300           r  FALSE
16  5     b   295           s  FALSE
17  5     b   295           t  FALSE

标签： rdataframegroup-bydplyr

解决方案

这里是一个data.table oneliner……切小块查看中间结果；另请参阅答案底部的解释。

dt <- as.data.table( df )
dt[ dt[ , .SD[1], ID][ ( Group == shift( Group, type = "lead") & Price == shift( Price, type = "lead") ) |
                   ( Group == shift( Group, type = "lag") & Price == shift( Price, type = "lag),
                   flag := TRUE][is.na(flag), flag := FALSE], flag := i.flag, on = .(ID)][]

#     ID Group Price OtherNumber  flag
#  1:  1     a   300           c FALSE
#  2:  1     a   295           d FALSE
#  3:  1     a   295           e FALSE
#  4:  2     b    25           f  TRUE
#  5:  2     b    25           g  TRUE
#  6:  2     b    25           h  TRUE
#  7:  2     b    25           i  TRUE
#  8:  3     b    25           j  TRUE
#  9:  3     b    20           l  TRUE
# 10:  3     b    20           m  TRUE
# 11:  3     b    20           n  TRUE
# 12:  4     a   300           o FALSE
# 13:  4     a   295           p FALSE
# 14:  4     a   295           q FALSE
# 15:  5     b   300           r FALSE
# 16:  5     b   295           s FALSE
# 17:  5     b   295           t FALSE

解释：
dt[ , .SD[1], ID]创建一个data.table，每个的第一行ID

[ Group == shift( ... , flag := TRUE]将列设置flag为TRUE下一个（或上一个）行匹配Price 和 Group。

[is.na(flag), flag := FALSE]用 `FALSE 填充其余部分（不是 TRUE）

..flag := i.flag, on = .(ID)]对原始 data.table 执行左连接（通过引用，因此快速高效），以获得最终结果。

推荐阅读