使用条件对值进行分组

Question

假设我有以下排序数据：

[1] 0.06997360 0.09154285 0.10607553 0.10607631 0.10652390 0.10857691
[7] 0.10858633 0.10858633 0.10870369 0.18790912 0.18792473 0.19509030
[13] 0.20040993 0.22548593 0.22550167 0.22593338 0.22893103 0.23196562
[19] 0.25901025 0.30231663 0.30245132 0.30246287 0.34893528 0.34938294
[25] 0.34943865 0.45200544 0.45658957 0.45673815 0.46432602 0.48493226
[31] 0.58318915 0.58618472 0.66311458 0.66311774 0.69777062 0.69782017
[37] 0.70456743 0.70754232 0.71668759 0.71744870 0.71780786 0.77227751
[43] 0.79785928 0.79823416 0.79831632 0.79832545 0.79863813 0.79880086
[49] 0.91610076 0.91611498 0.91611830 0.91612582 0.91612582 0.91614856

现在我想对它们进行分组，因为它们中的许多几乎相等。假设两个值 x[i] 和 x[i+1] 在一组中的条件是 if (x[i+1]-x[i]

Answer 1

这里是如何做到这一点。我按组使用dplyr 到summarise。首先，我使用滞后 1 计算差异向量。然后，我创建一个条件列，如果 diff > 0.01 则为 1，否则为 0。然后，我使用cumsum 分组。 coalesce 用于处理开头的NA。使用这些组，您现在可以summarise。

x <- c(0.06997360, 0.09154285, 0.10607553, 0.10607631, 0.10652390, 0.10857691,
0.10858633,0.10858633,0.10870369,0.18790912,0.18792473,0.19509030,
0.20040993,0.22548593,0.22550167,0.22593338,0.22893103,0.23196562,
0.25901025,0.30231663,0.30245132,0.30246287,0.34893528,0.34938294,
0.34943865,0.45200544,0.45658957,0.45673815,0.46432602,0.48493226,
0.58318915,0.58618472,0.66311458,0.66311774,0.69777062,0.69782017,
0.70456743,0.70754232,0.71668759,0.71744870,0.71780786,0.77227751,
0.79785928,0.79823416,0.79831632,0.79832545,0.79863813,0.79880086,
0.91610076,0.91611498,0.91611830,0.91612582,0.91612582,0.91614856)

library(dplyr)
as.data.frame(x)%>%
  mutate(diff=x-lag(x),
         condition=(diff>0.01)*1,
         group=cumsum(coalesce(condition, 0)))%>%
  group_by(group)%>%
  summarise(x_mean=mean(x))%>% 
  as.data.frame() 

   group     x_mean
1      0 0.06997360
2      1 0.09154285
3      2 0.10758986
4      3 0.19283352
5      4 0.22756353
6      5 0.25901025
7      6 0.30241027
8      7 0.34925229
9      8 0.45741479
10     9 0.48493226
11    10 0.58468694
12    11 0.66311616
13    12 0.70852067
14    13 0.77227751
15    14 0.79836237
16    15 0.91612237

Answer 2

在基数 R 中，您可以使用 tapply 返回命名向量，使用 diff 和 cumsum 构造分组机制，如下所示

tapply(x, cumsum(c(0, diff(x) > 0.01)), mean)

返回

         0          1          2          3          4          5          6 
0.06997360 0.09154285 0.10758986 0.19283352 0.22756353 0.25901025 0.30241027 
         7          8          9         10         11         12         13 
0.34925229 0.45741479 0.48493226 0.58468694 0.66311616 0.70852067 0.77227751 
        14         15 
0.79836237 0.91612237 

你可以把它放在这样的data.frame中

data.frame(groupMeans = tapply(x, cumsum(c(0, diff(x) > 0.01)), mean))

正如 Jaap 在 cmets 中提到的，返回 data.frame 的更直接方法是使用 aggregate 围绕相同的分组机制。

aggregate(vec, list(cumsum(c(0, diff(vec) > 0.01))), mean)

这有一个很好的特性，分组向量作为一个变量包含在 data.frame 中。

Ronak shah 的sapply 和split 是一种更明确的拆分数据并计算其均值的方法。 tapply 在“幕后”执行此操作。