为每个连续序列创建组号

Question

我有数据。下面的框架。我想添加一列“g”，它根据列h\u no中的连续序列对数据进行分类。也就是说，如最后一列“g”所示，h_no1、2、3、4的第一个序列是组1，h_no（1到7）的第二个序列是组2，依此类推。

h_no   h_freq    h_freqsq g
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3




Answer 1

如果我理解正确，您希望检测h\u no何时不增加，然后增加类。（我将介绍如何解决这个问题，最后有一个独立的函数。）

我们目前只关心h_no列，因此我们可以从数据帧中提取该列：

> h_no <- data$h_no

我们想检测什么时候h_no没有上升，我们可以通过计算连续元素之间的差值是负还是零来实现。R提供了diff函数，该函数为我们提供了差异向量：

> d.h_no <- diff(h_no)
> d.h_no
 [1]  1  1  1 -3  1  1  1  1  1  1 -6  1  1  1

一旦我们有了这个，找到那些非积极的就很简单了：

> nonpos <- d.h_no <= 0
> nonpos
 [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[13] FALSE FALSE

在R中，TRUE和FALSE与1和0基本相同，因此如果我们得到nonpos的累积和，它将在适当的位置增加1（几乎）。cumsum函数（基本上与diff相反）可以做到这一点。

> cumsum(nonpos)
 [1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2

但是，有两个问题：数字太小；我们缺少第一个元素（第一类应该有四个）。

第一个问题简单地解决了：1cumsum（nonpos）。第二个元素只需要在向量的前面添加一个1，因为第一个元素总是在类1中：

 > classes <- c(1, 1 + cumsum(nonpos))
 > classes
  [1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3

现在，我们可以使用cbind将其附加回我们的数据帧（通过使用class=语法，我们可以为列提供class标题）：

 > data_w_classes <- cbind(data, class=classes)

而data\u w\u classes现在包含结果。

我们可以将这些行压缩在一起，并将其全部打包成一个函数，以使其更易于使用：

classify <- function(data) {
   cbind(data, class=c(1, 1 + cumsum(diff(data$h_no) <= 0)))
}

或者，由于类作为一个因素是有意义的：

classify <- function(data) {
   cbind(data, class=factor(c(1, 1 + cumsum(diff(data$h_no) <= 0))))
}

您可以使用以下任一函数：

> classified <- classify(data) # doesn't overwrite data
> data <- classify(data) # data now has the "class" column

（解决这个问题的这种方法很好，因为它避免了显式迭代，这通常推荐用于R，并且避免了生成大量中间向量和列表等，而且它在一行上的书写方式也很简洁：））

Answer 2

很容易：您的数据帧是一个

b <- A[,1]
b <- b==1
b <- cumsum(b)

然后你得到b栏。

Answer 3

您可以使用各种技术向数据中添加列。下面的引号来自相关帮助文本的“详细信息”部分，[.data.frame。

数据帧可以在几种模式下建立索引。当[和[与单个向量索引（x[i]或x[[i]]）一起使用时，它们将数据帧作为列表进行索引。

my.dataframe["new.col"] <- a.vector
my.dataframe[["new.col"]] <- a.vector

$的data.frame方法将x视为列表

my.dataframe$new.col <- a.vector

当[和[与两个索引（x[i，j]和x[[i，j]]）一起使用时，它们就像为矩阵编制索引一样

my.dataframe[ , "new.col"] <- a.vector

因为data.frame的方法假设如果不指定使用的是列还是行，它将假设您指的是列。

对于您的示例，这应该工作：

# make some fake data
your.df <- data.frame(no = c(1:4, 1:7, 1:5), h_freq = runif(16), h_freqsq = runif(16))

# find where one appears and 
from <- which(your.df$no == 1)
to <- c((from-1)[-1], nrow(your.df)) # up to which point the sequence runs

# generate a sequence (len) and based on its length, repeat a consecutive number len times
get.seq <- mapply(from, to, 1:length(from), FUN = function(x, y, z) {
            len <- length(seq(from = x[1], to = y[1]))
            return(rep(z, times = len))
         })

# when we unlist, we get a vector
your.df$group <- unlist(get.seq)
# and append it to your original data.frame. since this is
# designating a group, it makes sense to make it a factor
your.df$group <- as.factor(your.df$group)


   no     h_freq   h_freqsq group
1   1 0.40998238 0.06463876     1
2   2 0.98086928 0.33093795     1
3   3 0.28908651 0.74077119     1
4   4 0.10476768 0.56784786     1
5   1 0.75478995 0.60479945     2
6   2 0.26974011 0.95231761     2
7   3 0.53676266 0.74370154     2
8   4 0.99784066 0.37499294     2
9   5 0.89771767 0.83467805     2
10  6 0.05363139 0.32066178     2
11  7 0.71741529 0.84572717     2
12  1 0.10654430 0.32917711     3
13  2 0.41971959 0.87155514     3
14  3 0.32432646 0.65789294     3
15  4 0.77896780 0.27599187     3
16  5 0.06100008 0.55399326     3