R dplyr折叠行并指定一个表示整数范围的标签。

Question

下面是一个转换的简化表示，我需要将它应用于一个大型复杂表。在这里，输入表是一个有两个数字列的查找。raw和SS有着多对一的关系.raw的许多值可以具有相同的SS值，但反之亦然。

library(tidyverse)
input <- tribble(
  ~raw, ~SS,
  0, 75,
  1,    78,
  2,    80,
  3,    83,
  4,    83,
  5,    83,
  6,    90,
  7,    93,
  8,    95,
  9,    98
)

所需的输出表如下。

output <- tribble(
  ~SS, ~raw,
  100, '-',
  99, '-',
  98, '9',
  97, '-',
  96, '-',
  95, '8',
  94, '-',
  93, '7',
  92, '-',
  91, '-',
  90, '6',
  89, '-',
  88, '-',
  87, '-',
  86, '-',
  85, '-',
  84, '-',
  83, '3-5',
  82, '-',
  81, '-',
  80, '2',
  79, '-',
  78, '1',
  77, '-',
  76, '-',
  75, '0',
  74, '-',
  73, '-',
  72, '-',
  71, '-',
  70, '-'
)

要创建此输出，需要通过以下几种方式转换输入：

1. 列重排
2. SS列填充了所有缺失的整数(70:100)，并按降序排序。
3. raw列强制使用字符，有三种类型的值来保留原始SS：的多对一关系。
   • 一个破折号“-”表示SS的值，没有对应的raw值(例如，SS = 70)
   • SS值的单个值(例如，'2')，其对应值为raw (例如，SS = 80)
   • 具有多个对应值的SS值的范围(例如，'3-5') (例如，SS = 83)

​

以下是我在这方面取得的成就：

interim <- input %>% select(
  SS, raw
    ) %>% 
  mutate_at(
    vars(
      raw
      ), ~ as.character(.x)
    ) %>% 
  complete(
      SS = 70:100
      ) %>% 
  arrange(
      desc(
        SS
        )
      ) %>% 
  mutate_at(
    vars(
      raw
    ), ~ case_when(
      is.na(.x) ~ '-',
      TRUE ~ .x
    )
  )

如果您运行上述代码，您将看到唯一剩下的转换是将三行SS = 83行折叠为一行，其中对应的raw值为'3-5'。这意味着以某种方式认识到3和5是范围的下界和上界，因为解将需要处理不确定长度的连续整数的范围。

提前感谢您的帮助！

Answer 1

一个选项是complete，然后执行group_by paste

library(tidyverse)
out1 <- input  %>% 
          complete(SS = 70:100, fill = list(raw = '-')) %>%      
          group_by(SS) %>% 
          summarise(raw = if(n() > 1) str_c(range(raw), collapse='-') else raw) %>% 
          arrange(desc(SS)) 
out1
# A tibble: 31 x 2
#      SS raw  
#   <dbl> <chr>
# 1   100 -    
# 2    99 -    
# 3    98 9    
# 4    97 -    
# 5    96 -    
# 6    95 8    
# 7    94 -    
# 8    93 7    
# 9    92 -    
#10    91 -    
# … with 21 more rows

带OP输出的-checking

identical(out1, output)
#[1] TRUE

或在filter之前使用group_by后的paste步骤。

input %>% 
  complete(SS = 70:100, fill = list(raw = '-')) %>% 
  group_by(SS) %>% 
  filter(n() == 1| n() > 1 & row_number()  %in% c(1, n())) %>% 
  summarise(raw = str_c(raw, collapse = '-')) %>%
  arrange(desc(SS))

Answer 2

有一种方法-

tibble(SS = 100:70) %>% 
  left_join(input, by = "SS") %>% 
  replace_na(list(raw = "-")) %>% 
  group_by(SS) %>% 
  summarize(raw = paste0(unique(range(raw)), collapse = "-")) %>% 
  arrange(desc(SS))

# A tibble: 31 x 2
      SS raw  
   <dbl> <chr>
 1   100 -    
 2    99 -    
 3    98 9    
 4    97 -    
 5    96 -    
 6    95 8    
 7    94 -    
 8    93 7    
 9    92 -    
10    91 -    
11    90 6    
12    89 -    
13    88 -    
14    87 -    
15    86 -    
16    85 -    
17    84 -    
18    83 3-5  
19    82 -    
20    81 -    
21    80 2    
22    79 -    
23    78 1    
24    77 -    
25    76 -    
26    75 0    
27    74 -    
28    73 -    
29    72 -    
30    71 -    
31    70 -   

Answer 3

data.table解决方案：

input_dt[, .(raw = ifelse(.N == 1, as.character(raw), paste(min(raw), max(raw), sep = '-'))), by = SS
         ][data.table(SS = 70:100), on = 'SS'
           ][is.na(raw), raw := '-'
             ][order(-SS)]

和base

out_2 <- merge(data.frame(SS = 70:100)
               , aggregate(raw ~ SS
                           , data = input
                           , FUN = function(x) ifelse(length(x) == 1, as.character(x), paste(min(x), max(x), sep = '-')))
               , by = 'SS'
               , all.x = TRUE
)

out_2$raw <- ifelse(is.na(out_2$raw), '-', out_2$raw)
out_2[order(-out_2$SS), ]

数据：

library(tibble)
input <- tribble(
  ~raw, ~SS,
  0, 75,
  1,    78,
  2,    80,
  3,    83,
  4,    83,
  5,    83,
  6,    90,
  7,    93,
  8,    95,
  9,    98
)

library(data.table)

input_dt <- as.data.table(input)