问题描述
考虑以下数据集:
dat<-data.frame(id = c(1,1,2,3,3),var1 = c("A","NA","B","A","C","D","B"))
dat
首先,我需要用NA两侧的值填充所有NA,这在dplyr中成功完成了:
mutate(value = ifelse(is.na(value),paste0(na.locf(value),"-",na.locf(value,fromLast=TRUE)),value))
结果是:
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 A-B
6 1 A-B
7 1 B
8 2 A
9 2 A-C
10 2 A-C
11 2 A-C
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 A-B
22 3 A-B
23 3 B
但是,我现在需要保留一些值,同时根据重复的连续游程长度(按id col分组)将其他值返回给NA。如果AB的连续重复长于1,则将所有值返回到NA; AC的连续重复长于2,则将所有值返回到NA; AD的连续重复长于3,则返回所有值。到NA。
我想要的结果是:
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 NA
6 1 NA
7 1 B
8 2 A
9 2 NA
10 2 NA
11 2 NA
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 NA
22 3 NA
23 3 B
我认为这可以通过group_by(id)
,然后是rle()
或data.table的rleid()
的某种组合来实现,然后根据值和运行有条件地将值返回NA与case_when的长度(我考虑过ifelse()
,但条件比示例中提供的条件多得多,并且已经阅读到case_when是更好的选择),但是我无法弄清楚如何编写精确的代码来做这个。我遇到的一个类似问题是Replace NA with previous value with limit,但这是我需要做的事情的简单得多。
任何建议将不胜感激。我感觉自己已经接近了,但我需要帮助才能使我达到理想的结果。
解决方法
首先,我强烈建议使用replace_na
函数。
然后您可以像这样使用smth:
x <- data.frame(matrix(c(1,1,2,3,4,5,5),ncol=2))
x %>%
group_by(X1) %>%
mutate(X3 = ifelse(X2 == lag(X2,default = "") | X2 == lead(X2,default = ""),X2,NA_integer_)) %>%
group_by(X1,X3) %>%
mutate(X4 = n())
输入:
X1 X2
1 1 0
2 1 1
3 1 2
4 2 3
5 2 4
6 2 4
7 3 5
8 3 5
9 3 5
输出:
# A tibble: 9 x 4
# Groups: X1,X3 [4]
X1 X2 X3 X4
<dbl> <dbl> <dbl> <int>
1 1 0 NA 3
2 1 1 NA 3
3 1 2 NA 3
4 2 3 NA 1
5 2 4 4 2
6 2 4 4 2
7 3 5 5 3
8 3 5 5 3
9 3 5 5 3
然后您可以使用X4进行所需的操作
,您可以做什么:
myfun <- function(x){
y <- rle(x)
z <- match(y$values,LETTERS)
ind <- which(is.na(z))
m <- z[ind + 1] - z[ind - 1] >= y$lengths[ind]
y$values[ind[m]] <- paste(y$values[ind[m] - 1],y$values[ind[m] + 1],sep = "-")
inverse.rle(y)
}
transform(dat,var1 = ave(var1,id,FUN = myfun))
id var1
1 1 A
2 1 A-B
3 1 B
4 1 A
5 1 NA
6 1 NA
7 1 B
8 2 A
9 2 NA
10 2 NA
11 2 NA
12 2 C
13 2 A
14 2 A-B
15 2 B
16 3 A
17 3 A-D
18 3 A-D
19 3 D
20 3 A
21 3 NA
22 3 NA
23 3 B