dplyr-如何在列排序顺序更改时插入 NA 值

Question

当列值从increasing 顺序更改为混合顺序时，我试图找出一种插入NA 值的简单方法。但是，如果在这种混合排序的行之后逻辑上继续增加顺序，那么也可以保留这些行。

如果所有行都没有升序，请将这些行值替换为NA。 （表示所有行混合排序）

此外，任何可以在其行内保持排序序列至少 5 个数字的列都可以通过（可以保持其行具有有序部分的行）。否则，替换 NA 值那些无法通过此逻辑的行。

我最好用 dplyr 来完成这个过程。我试图这样做，但无法想出这个主意:(。

dt_new <- dt%>%
    mutate_each(funs(replace(., which(ifelse(.....

示例数据

set.seed(123) 
C1 = c(1:10,7,8,11,12)
C2 = c(2:12,7,13,12)
C3 = sample(1:14)
C4 = c(1:14)
C5 = c(sample(1:9),5,6,7,8,10)

dt <- data.frame(C1,C2,C3,C4,C5)

       C1 C2 C3 C4 C5
#   1   1  2  5  1  1
#   2   2  3 11  2  8
#   3   3  4 14  3  2
#   4   4  5 10  4  9
#   5   5  6 13  5  7
#   6   6  7  1  6  4
#   7   7  8 12  7  3
#   8   8  9  7  8  5
#   9   9 10  4  9  6
#   10 10 11  3 10  5
#   11  7 12  6 11  6
#   12  8  7  2 12  7 
#   13 11 13  2 13  8
#   14 12 12  9 14 10

我要查找的输出

       C1 C2 C3 C4 C5
#   1   1  2 NA  1  1
#   2   2  3 NA  2 NA
#   3   3  4 NA  3  2 
#   4   4  5 NA  4 NA
#   5   5  6 NA  5 NA
#   6   6  7 NA  6 NA
#   7   7  8 NA  7  3
#   8   8  9 NA  8 NA
#   9   9 10 NA  9 NA
#   10 10 11 NA 10 5
#   11 NA 12 NA 11 6
#   12 NA NA NA 12 7
#   13 11 13 NA 13 8
#   14 12 NA NA 14 9

Answer 1

这是一个相当牵强的解决方案...它适用于先前的输出，但不适用于当前的 C5：它会删除第一次匹配之前的任何值，使之成为一系列 5 个连续递增的值。

1. 找出变量中是否存在一系列 5 个递增值。将值与lag 进行比较。使用rle 查找系列 5。
2. 如果没有serie，则返回length=length(var)的NA向量
3. 其他
   1. 将每个值与前一个值进行比较，如果较差则删除
   2. 如果先前的值已被删除，则再次传递以与最后一个未删除的值进行比较。如果劣质则删除。在删除值时重复此操作。

代码：

library(dplyr)
library(zoo)

co <- function(var){
  r <- rle(lag(var) < var)
  d <- data.frame(v=r$values,
                  l=r$lengths,
                  c=cumsum(r$lengths))
  idx <- which(d$l > 3 & d$v==TRUE)[1] - 1
  id <- d$c[idx]


  v <- rep(NA,length(var))
  if(!is.na(id)) {
    p <- id:length(v)
    v[p] <- ifelse(var[p] > lag(var[p]),
                              var[p],
                              NA)
    v[id] <- var[id]

    previous.na <- sum(is.na(lag(v[p])))

    if(previous.na > 1) {
      current.na <- 0

      while(current.na != previous.na)
      { 
        previous.na <- sum(is.na(v))
        v[p][is.na(lag(v[p]))][-1] <- ifelse(v[p][is.na(lag(v[p]))][-1] > lag(na.locf(v[p]))[is.na(lag(v[p]))][-1],
                                             v[p][is.na(lag(v[p]))][-1],
                                             NA)
        v[id] <- var[id]
        current.na <- sum(is.na(v))
      }

    }
  }

  print(var)
  return(v)
}
mutate_each(dt,funs = funs(co))

输出

   C1 C2 C3 C4 C5
1   1  2 NA  1 NA
2   2  3 NA  2 NA
3   3  4 NA  3 NA
4   4  5 NA  4 NA
5   5  6 NA  5 NA
6   6  7 NA  6 NA
7   7  8 NA  7 NA
8   8  9 NA  8 NA
9   9 10 NA  9 NA
10 10 11 NA 10  5
11 NA 12 NA 11  6
12 NA NA NA 12  7
13 11 13 NA 13  8
14 12 NA NA 14 10

我使用了这个数据集（对 C5 重复 set.seed）

C1 = c(1:10,7,8,11,12)
C2 = c(2:12,7,13,12)
set.seed(123) 
C3 = sample(1:14)
C4 = c(1:14)
set.seed(456) 
C5 = c(sample(1:9),5,6,7,8,10)
dt <- data.frame(C1,C2,C3,C4,C5)