r - 如何在 R 中分组和取消分组?
问题描述
我有一个如下所示的数据框
test_df <- data.frame("SN" = c("ABC123","ABC123","ABC123","MNO098","MNO098","MNO098"),
"code" = c("ABC1111","DEF222","GHI133","","MNO1123","MNO567"),
"d_time" = c("2220-08-27","2220-05-27","2220-02-27","2220-11-27","2220-02-27",""))
我正在尝试做两件事
1)通过从列中剥离字母创建 2 个新列 ( p_id
, )并仅保留 9 位数字v_id
SN
code
p_vid
2)根据v_id
每个人创建一个滞后列 ( ),根据他/她排序d_time
t_df <- test_df %>% group_by(SN)
t_df %>% arrange((d_time), .by_group = TRUE) ->> sorted_df #sorted based on d_time
transform_ids = function(DF){ # this function is to create person and visit_occurrence ids
DF %>%
mutate(p_id = as.integer(str_remove_all(.$SN,"[a-z]|[A-Z]") %>% #retaining only the numeric part
str_sub(1,9))) %>%
mutate(v_id = as.integer(str_remove_all(.$code,"[a-z]|[A-Z]") %>%
str_sub(1,9))) %>%
group_by(p_id) %>%
mutate(pre_vid = lag(v_id)) %>%
ungroup
}
transform_ids(sorted_df)
但是当我这样做时,我遇到了以下错误
视图中的错误:列
p_id
的长度必须为 3(组大小)或 1,而不是 6 错误:列p_id
的长度必须为 3(组大小)或 1,而不是 6 另外:警告消息:在视图中(transform_ids(t_df)) :显示带有调试错误的回溯重新运行:列p_id
的长度必须为 3(组大小)或 1,而不是 6
我希望我的输出如下所示。基本上,我试图将每个v_id
人与他之前的访问联系起来,即p_vid
解决方案
要生成p_id
和v_id
列,只需使用sub
:
t_df$p_id <- gsub("[A-Z]+", "", t_df$SN)
t_df$v_id <- gsub("[A-Z]+", "", t_df$code)
对于p_vid
列,lag()
从dplyr
包中使用:
t_df %>%
group_by(p_id) %>%
mutate(p_vid = lag(v_id, order_by=d_time, default=0))
上面的输出实际上给了你一个小标题。如果你想要一个数据框,只需使用:
t_df <- as.data.frame(t_df)
输出:
SN code d_time p_id v_id p_vid
<fct> <fct> <fct> <chr> <chr> <chr>
1 ABC123 ABC1111 2220-08-27 123 1111 222
2 ABC123 DEF222 2220-05-27 123 222 133
3 ABC123 GHI133 2220-02-27 123 133 0
4 MNO098 "" 2220-11-27 098 "" 1123
5 MNO098 MNO1123 2220-02-27 098 1123 567
6 MNO098 MNO567 "" 098 567 0