dplyr：分组变量然后根据唯一分组分配唯一名称

Question

我有一个这样的数据框：

df<- data.frame(date= c(rep("10-29-16", 3), rep("11-14-16", 2),
                      "12-29-16","10-2-17","9-2-17"),
                loc= c(rep("A", 3), rep("B", 2),"A","PlotA","PlotB"), 
                obs_network= c(rep("NA", 3), rep("NA", 2),"NA","PlotA","PlotB"))

对于obs_network，即NA，我想为每个独特的date 和loc 组合命名。我希望为唯一组分配一个唯一编号和此命名方案的前缀“pseudoplot”。所以输出看起来像这样：

output<- data.frame(date= c(rep("10-29-16", 3), rep("11-14-16", 2),
                      "12-29-16","10-2-17","9-2-17"),
                loc= c(rep("A", 3), rep("B", 2),"A","PlotA","PlotB"), 
                obs_network= c(rep("pseudoplot_1", 3),rep("pseudoplot_2", 2),"pseudoplot_3","PlotA","PlotB"))

我尝试了以下操作但没有成功，我无法识别我的错误。使用所有级别下方的代码读取“pseudoplot1”。如果有人解释了为什么我的代码除了提供解决方案之外无法正常工作，我将不胜感激。

output<-
  df %>%
  group_by(date, loc)%>%
  mutate(obs_network=ifelse(is.na(obs_network), 
                      paste0("pseudoplot", "_", match(loc, unique (loc))), 
                             obs_network))

Answer 1

这是我能想到的。有条件：1）date是一个日期对象，2）loc和obs_network是字符向量。我在下面创建了一个示例。 date 是日期对象，loc 和 obs_network 是字符向量。

         date   loc obs_network
1  2016-10-29     A        <NA>
2  2016-10-29     A        <NA>
3  2016-10-29     A        <NA>
4  2016-11-14     B        <NA>
5  2016-11-14     B        <NA>
6  2016-12-29     A        <NA>
7  2017-10-02 PlotA       PlotA
8  2017-09-02 PlotB       PlotB
9  2017-10-10     A        <NA>
10 2017-10-10     B        <NA>

我用了两个东西。一是我使用了两个日期之间的差异。另一个是我使用差异来为 cumsum() 的唯一日期创建唯一的组号。通过粘贴唯一组号和loc，我创建了唯一组。

mydf %>%
mutate(obs_network = if_else(is.na(obs_network), 
                             paste0("pseudoplot_", cumsum(c(T, abs(diff(date)) > 0)), loc, sep = ""),
                             obs_network))


#         date   loc   obs_network
#1  2016-10-29     A pseudoplot_1A
#2  2016-10-29     A pseudoplot_1A
#3  2016-10-29     A pseudoplot_1A
#4  2016-11-14     B pseudoplot_2B
#5  2016-11-14     B pseudoplot_2B
#6  2016-12-29     A pseudoplot_3A
#7  2017-10-02 PlotA         PlotA
#8  2017-09-02 PlotB         PlotB
#9  2017-10-10     A pseudoplot_6A
#10 2017-10-10     B pseudoplot_6B

数据

mydf <- structure(list(date = structure(c(17103, 17103, 17103, 17119, 
17119, 17164, 17441, 17411, 17449, 17449), class = "Date"), loc = c("A", 
"A", "A", "B", "B", "A", "PlotA", "PlotB", "A", "B"), obs_network = c(NA, 
NA, NA, NA, NA, NA, "PlotA", "PlotB", NA, NA)), .Names = c("date", 
"loc", "obs_network"), row.names = c(NA, -10L), class = "data.frame")

Answer 2

一些注意事项：

1. 您已在数据框中包含 "NA" - 所以这些是文本（实际上是因素），实际上不是 NA 值。我建议更改您的原始数据框。

   df <- tibble(date= c(rep("10-29-16", 3), 
                            rep("11-14-16", 2),"12-29-16","10-2-17","9-2-17"),
               loc= c(rep("A", 3), rep("B", 2), "A", "PlotA", "PlotB"), 
               obs_network= c(rep(NA, 6), "PlotA", "PlotB"))
   

2. 使用因子（您在数据库中创建的内容）和使用 ifelse 的字符向量或整数会出现问题。我已将数据集更改为 tibble，以便所有内容都是字符并且正在使用 if_else。

3. 最后不要使用 group_by 来保持一切平坦

   df %>% 
     mutate(obs_network = if_else(is.na(obs_network), 
                          paste0("pseudoplot", "_",  match(paste0(date,loc), unique(paste0(date,loc)))),
                          obs_network))