如何在R中用n-(重复次数)替换数据帧中的重复条目？

Question

在我的数据中，我在列中有重复的条目。我要做的是，如果一个条目n在列中重复超过2次，那么我想用n-(number_of_times_it_has_repeated - 2)替换该条目。例如，如果我的数据如下所示：

  df <- data.frame(
  A = c(1,2,2,4,5,7,7,7,7,2,8,8),
  B = c(2,3,4,5,6,7,8,9,10,11,12,13)
)
> df
A  B
1  2
2  3
2  4
4  5
5  6
7  7
7  8
7  9
7 10
2 11
8 12
8 13

我们可以看到，在df$A 7中重复了4次。如果该条目被重复超过2次，那么我想替换该条目。所以在我的例子中，数字7的第一项和第二项将保持不变。数字7的第三个实例将改为:7- (3-2)。第四个数字7将被7- (4-2)所取代。

我们还可以看到，在df$A中，数字2被重复了3次。使用同样的方法，第三个实例2将被替换为2- (3-2)。

由于df$B中没有重复的值，因此该列将保持不变。

为了清楚起见，我的预期结果是：

dfNew <- data.frame(
  A = c(1,2,2,4,5,7,7,6,5,1,8,8),
  B = c(2,3,4,5,6,7,8,9,10,11,12,13)
)
> dfNew
A  B
1  2
2  3
2  4
4  5
5  6
7  7
7  8
6  9
5 10
1 11
8 12
8 13

Answer 1

这是你如何为一个专栏做这件事-

library(dplyr)

df %>%
  group_by(A) %>%
  transmute(A =  A - c(rep(0, 2), row_number())[row_number()]) %>%
  ungroup

#       A
#   <dbl>
# 1     1
# 2     2
# 3     2
# 4     4
# 5     5
# 6     7
# 7     7
# 8     6
# 9     5
#10     1
#11     8
#12     8

要对所有可以使用map_dfc的列执行此操作-

purrr::map_dfc(names(df), ~{
  df %>%
    group_by(.data[[.x]]) %>%
    transmute(!!.x :=  .data[[.x]] - c(rep(0, 2), row_number())[row_number()])%>%
    ungroup
})

#       A     B
#   <dbl> <dbl>
# 1     1     2
# 2     2     3
# 3     2     4
# 4     4     5
# 5     5     6
# 6     7     7
# 7     7     8
# 8     6     9
# 9     5    10
#10     1    11
#11     8    12
#12     8    13

这里的逻辑是，对于每个数字，我们从前2个值中减去0，然后减去-1、-2等等。

Answer 2

你可以跳过顺序，如果你不想，这是我的方法，如果你有一些数据，在变化之后仍然有一些重复，那么我可以工作在答案，把它放在一个函数或其他什么。

my_df <- data.frame(A = c(1,2,2,4,5,7,7,7,7,2,8,8),
                B = c(2,3,4,5,6,7,8,9,10,11,12,13),
                stringsAsFactors = FALSE)

my_df <- my_df[order(my_df$A, my_df$B),]

my_df$Id <- seq.int(from = 1, to = nrow(my_df), by = 1)

my_temp <- my_df %>% group_by(A) %>% filter(n() > 2) %>% mutate(Count = seq.int(from = 1, to = n(), by = 1)) %>% filter(Count > 2) %>% mutate(A = A - (Count - 2))

my_var <- which(my_df$Id %in% my_temp$Id)
if (length(my_var)) {
  my_df <- my_df[-my_var,]
  my_df <- rbind(my_df, my_temp[, c("A", "B", "Id")])
}
my_df <- my_df[order(my_df$A, my_df$B),]

Answer 3

基于ave + pmax + seq_along的R基选项

list2DF(
  lapply(
    df,
    function(x) {
      x - ave(x, x, FUN = function(v) pmax(seq_along(v) - 2, 0))
    }
  )
)

给出

   A  B
1  1  2
2  2  3
3  2  4
4  4  5
5  5  6
6  7  7
7  7  8
8  6  9
9  5 10
10 1 11
11 8 12
12 8 13