如何计算连续的重复次数并创建一个列，其中包含计数的相应ids？

Question

我正在R中执行一些分析，但是我需要计算连续的重复，并将ID放置在上面。如果有类似的ids，我不想仅仅进行聚合，当有连续的重复时，我想聚合特定的ids。我有一个带有这些条目的文件。

Probe Set ID    Call Codes  Chromosomal Position
SNP_A-2131660   BB           1156131
SNP_A-1967418   AB           2234251
SNP_A-1969580   BB           2329564
SNP_A-4263484   BB           2553624
SNP_A-1978185   AA           2936870
SNP_A-4264431   AA           2951834
SNP_A-1980898   BB           3095126
SNP_A-1983139   AA           3165267
SNP_A-4265735   AA           3302871
SNP_A-1995832   AA           3705226
SNP_A-1995893   AA           3720965
SNP_A-1997689   BB           3763164
SNP_A-1997709   AA           3763567
SNP_A-1997896   AA           3766240
SNP_A-1997922   AA           3766286
SNP_A-2000230   AA           4340877
SNP_A-2000332   AB           4343434

我不想计算连续的值(即BB，AB，(BB，BB))，如果还有其他两列的话。

我尝试了不同的方法，但我只能用R中的代码来计算连续收获的数量。

# I got the counts
dfAA <- as.data.frame(with(rle(myfile$Call.Codes), lengths[values == "AA"]))
# I got the counts and the counted values
dfAA_02<-as.data.frame(rev(unclass(rle(myfile$Call.Codes))))

我不知道怎么表演第二部分。

这就是我最后想要得到的。

    Counts  Aggregation_probeset_ID Aggregation Chromosomal position
BB  1      SNP_A-2131660                        1156131   
AB  1      SNP_A-1967418                        2234251  
BB  2      SNP_A-1969580, SNP_A-4263484         2329564, 2553624  
AA  2      SNP_A-1978185, SNP_A-4264431         2936870, 2951834  
AA  4      SNP_A-1983139, SNP_A-4265735, SNP_A-1995832, SNP_A-1995893      3165267, 3302871, 3705226, 3720965  

我的档案和我想要得到的在右边。

Answer 1

这就是你要找的吗？

library(data.table)
library(dplyr)

data[, lag := shift(Call_Codes, 1L, fill = , type = "lag")]
data[, new_group := if_else(lag != Call_Codes, 1, 0, missing = 1)]
data[, new_group := cumsum(new_group)]
data[, .(counts = .N,
         Aggregation_probeset_ID = paste(Probe_Set_ID , collapse=","),
         Aggregation_Chromosomal_position = paste(Chromosomal_Position , collapse=","))
         , .(Call_Codes, new_group)][, -c('new_group')]

结果：

   Call_Codes counts                                 Aggregation_probeset_ID Aggregation_Chromosomal_position
1:         BB      1                                           SNP_A-2131660                          1156131
2:         AB      1                                           SNP_A-1967418                          2234251
3:         BB      2                             SNP_A-1969580,SNP_A-4263484                  2329564,2553624
4:         AA      2                             SNP_A-1978185,SNP_A-4264431                  2936870,2951834
5:         BB      1                                           SNP_A-1980898                          3095126
6:         AA      4 SNP_A-1983139,SNP_A-4265735,SNP_A-1995832,SNP_A-1995893  3165267,3302871,3705226,3720965
7:         BB      1                                           SNP_A-1997689                          3763164
8:         AA      4 SNP_A-1997709,SNP_A-1997896,SNP_A-1997922,SNP_A-2000230  3763567,3766240,3766286,4340877
9:         AB      1                                           SNP_A-2000332                          4343434