比较数据框中组内的行

Question

我有一个示例数据帧

dF <- structure(list(status = structure(c(1L, 1L, 1L, 4L, 1L, 3L, 1L, 
      1L, 2L, 4L, 4L, 2L), .Label = c("complete", "go", "no go", "revise"
      ), class = "factor"), group = structure(c(1L, 1L, 1L, 1L, 2L, 
      2L, 2L, 2L, 3L, 3L, 3L, 3L), .Label = c("101", "102", "103"), class =              
      "factor"), 
          date = structure(c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 
          3L, 4L), .Label = c("1", "2", "3", "4"), class = "factor")),           
          .Names = c("status", 
          "group", "date"), row.names = c(NA, -12L), class = "data.frame")

我想在每个组中比较 dF$status[2] 与 dF$status[1] 和 dF$status[3] 与 dF$status[2] 等等。我可以通过一个简单的函数和ddply() 相对轻松地做到这一点：

  state_change_function <- function(x){

    tmp <- integer(length = nrow(x))

    for(i in 2:nrow(x)){
      if(x$statu[i] == x$status[i-1]){ 
        tmp[i] <- "no change"
      } else {
        tmp[i] <- "state change"
      }
    }
    return(tmp)
  }

  state_change <- ddply(dF, .(group), state_change_function)

这提供了一个非常简单的输出，然后我可以使用reshape 包将melt() 作为新列附加到我的dF。

> state_change
  group V1           V2           V3           V4
1   101  0    no change    no change state change
2   102  0 state change state change    no change
3   103  0 state change    no change state change

我的问题是组之间的行数不同。比如dF突然丢失了其中的一行 where `dF$group == 102"，

dF1 <- structure(list(status = structure(c(1L, 1L, 1L, 4L, 3L, 1L, 1L, 
2L, 4L, 4L, 2L), .Label = c("complete", "go", "no go", "revise"
), class = "factor"), group = structure(c(1L, 1L, 1L, 1L, 2L, 
2L, 2L, 3L, 3L, 3L, 3L), .Label = c("101", "102", "103"), class = "factor"), 
    date = structure(c(1L, 2L, 3L, 4L, 2L, 3L, 4L, 1L, 2L, 3L, 
    4L), .Label = c("1", "2", "3", "4"), class = "factor")), .Names =    
    c("status", 
    "group", "date"), row.names = c(NA, -11L), class = "data.frame")

然后运行相同的函数会导致错误：

state_change <- ddply(dF1, .(group), state_change_function)
Error in list_to_dataframe(res, attr(.data, "split_labels"), .id,     id_as_factor) : 
  Results do not have equal lengths

我在 SO 上找到了一个使用不同功能的部分解决方案：

state_change_function <- function(data){    
  output <- integer(length(rrsIdeas)-1)
    for(i in seq_along(output)){
    output[[i]] <- (data$status[i] == data$status[i+1])
    }
  return(output)
}

state_change <- ddply(dF1, .(group), state_change_function)

并提供不同的输出：

> state_change
  group V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17
1   101  1  1  0 NA NA NA NA NA NA  NA  NA  NA  NA  NA  NA  NA  NA
2   102  0  1 NA NA NA NA NA NA NA  NA  NA  NA  NA  NA  NA  NA  NA
3   103  0  1  0 NA NA NA NA NA NA  NA  NA  NA  NA  NA  NA  NA  NA

我对这个输出的问题是，如果melt() 和附加到我原来的dF1 没有更多的工作，因为102 组在101 或102。这尤其困难，因为我有超过 1500 个组要应用这个函数，它们的nrow() 可能会随着时间而改变。

我想要的是一个函数，它可以将每一行与组中的前一行进行比较，并且 - 理想情况下 - 输出一个类似的数据帧

group  V1
101    0
101    no change
101    no change
101    state change
102    0
102    state change
102    state change
102    no change
etc...

但是，如果某些组的行数少于其他组，则可以限制该组的数据帧中的行数。

我在这里和其他地方搜索过帮助，但没有找到我要找的东西。我确信这是可能的，但我可能忽略了一些非常简单的事情。

感谢您的帮助。

Answer 1

使用包data.table的解决方案：

library(data.table)

setDT(dF1)[,V1:=c("0",ifelse(head(status,-1)!=status[-1],'change','no change')),group]

#      status group date        V1
# 1: complete   101    1         0
# 2: complete   101    2 no change
# 3: complete   101    3 no change
# 4:   revise   101    4    change
# 5:    no go   102    2         0
# 6: complete   102    3    change
# 7: complete   102    4 no change
# 8:       go   103    1         0
# 9:   revise   103    2    change
#10:   revise   103    3 no change
#11:       go   103    4    change

Answer 2

这是使用dplyr的解决方案：

library(dplyr)

dF$status <- as.character(dF$status)

dF %>%
  group_by(group) %>%
  mutate(change = ifelse(status == lag(status), "no change", "change"))