R：对A列中的行求和，直到B列中的条件值答案

【问题标题】：R: sum rows from column A until conditioned value in column BR：对A列中的行求和，直到B列中的条件值
【发布时间】：2016-09-12 10:53:32
【问题描述】：

我对 R 很陌生，似乎无法弄清楚如何处理看似相对简单的问题。我想对每个“TRIAL_INDEX”的“DURATION”列的行求和，但只有那些“X_POSITION”值增加的第一行。我只想对 X 增加的试验中的第一轮求和。简化数据框的第一行：

  TRIAL_INDEX DURATION X_POSITION 
1           1      204      314.5 
2           1      172      471.6             
3           1      186      570.4           
4           1      670      539.5          
5           1      186      503.6          
6           2      134      306.8           
7           2      182      503.3            
8           2      806      555.7           
9           2      323      490.0

因此，对于 TRIAL_INDEX 1，只应添加 DURATION 的前三个值 (204+172+186)，因为这是迄今为止 X 具有最高值的位置（逐行遍历数据帧）。

所需的输出应该类似于：

  TRIAL_INDEX DURATION X_POSITION FIRST_PASS_TIME
1           1      204      314.5             562
2           1      172      471.6             562
3           1      186      570.4             562
4           1      670      539.5             562
5           1      186      503.6             562
6           2      134      306.8            1122
7           2      182      503.3            1122
8           2      806      555.7            1122
9           2      323      490.0            1122

我尝试使用 dplyr 生成一个可以与我的原始数据帧合并的新数据帧。但是，代码不起作用，而且我不确定如何确保它只添加每个试验的第一行，这些行的 X_POSITION 值不断增加。

FirstPassRT = dat %>% 
          group_by(TRIAL_INDEX) %>%
          filter(dplyr::lag(dat$X_POSITION,1) > dat$X_POSITION) %>% 
          summarise(FIRST_PASS_TIME=sum(DURATION))

非常感谢任何帮助和建议！

【问题讨论】：

您的X_POSITION 不是数字，那么R 怎么知道它是否在增加呢？我猜它使用底层整数表示（如果这些因素）并引发警告。例如，请参阅here。
谢谢大卫，好点子。我将 X_POSITION 值更改为数字值，这是初学者在读取数据时的小错误。不过，似乎没有得到我想要的输出......

标签： r dplyr

【解决方案1】：

library(data.table)
dt = as.data.table(df) # or setDT to convert in place

# find the rows that will be used for summing DURATION
idx = dt[, .I[1]:.I[min(.N, which(diff(X_POSITION) < 0), na.rm = T)], by = TRIAL_INDEX]$V1

# sum the DURATION for those rows
dt[idx, time := sum(DURATION), by = TRIAL_INDEX][, time := time[1], by = TRIAL_INDEX]
dt
#   TRIAL_INDEX DURATION X_POSITION time
#1:           1      204      314.5  562
#2:           1      172      471.6  562
#3:           1      186      570.4  562
#4:           1      670      539.5  562
#5:           1      186      503.6  562
#6:           2      134      306.8 1122
#7:           2      182      503.3 1122
#8:           2      806      555.7 1122
#9:           2      323      490.0 1122

【讨论】：

艾迪，太好了，非常感谢！我一直在尝试编写 for 循环，它非常慢，这是一种快速而短的方法。

【解决方案2】：

您可以尝试使用dplyr 包：

library(dplyr);
dat %>% group_by(TRIAL_INDEX) %>%  
        mutate(IncLogic = X_POSITION > lag(X_POSITION, default = 0)) %>% 
        mutate(FIRST_PASS_TIME = sum(DURATION[IncLogic])) %>% 
        select(-IncLogic)

Source: local data frame [9 x 4]
Groups: TRIAL_INDEX [2]

  TRIAL_INDEX DURATION X_POSITION FIRST_PASS_TIME
        (int)    (int)      (dbl)           (int)
1           1      204      314.5             562
2           1      172      471.6             562
3           1      186      570.4             562
4           1      670      539.5             562
5           1      186      503.6             562
6           2      134      306.8            1122
7           2      182      503.3            1122
8           2      806      555.7            1122
9           2      323      490.0            1122

【讨论】：

如果我正确阅读 OP，这不是他们想要的。将第 5 行的位置值更改为 600 并运行。
如何跳过 DURATION 中的 NA？

【解决方案3】：

如果您想在每次试验中将其总结为一行，您可以像这样使用总结：

library(dplyr)

df <- data_frame(TRIAL_INDEX = c(1,1,1,1,1,2,2,2,2),
                 DURATION = c(204,172,186,670, 186,134,182,806, 323),
                 X_POSITION = c(314.5, 471.6, 570.4, 539.5, 503.6, 306.8, 503.3, 555.7, 490.0))

res <- df %>%
  group_by(TRIAL_INDEX) %>%
  mutate(x.increasing = ifelse(X_POSITION > lag(X_POSITION), TRUE, FALSE),
         x.increasing = ifelse(is.na(x.increasing), TRUE, x.increasing)) %>%
  filter(x.increasing == TRUE) %>%
  summarize(FIRST_PASS_TIME = sum(X_POSITION))
res

#Source: local data frame [2 x 2]
#
#  TRIAL_INDEX FIRST_PASS_TIME
#        (dbl)           (dbl)
#1           1          1356.5
#2           2          1365.8

【讨论】：