在 R 中查找相似列名的区间答案

【问题标题】：Find interval over similar column names in R在 R 中查找相似列名的区间
【发布时间】：2017-08-09 02:00:17
【问题描述】：

我想要一种更简单的方法来确定一个值是否在任何给定的区间内。给定数据框：

Value  start1  start2  start3  end1  end2  end3
212    82      195     409     97    220   411
80     57      95      111     69    100   130

如果“值”在任何区间（[start1-end1]、[start2-end2] 等）中，我想创建一个 1 的新列，如果不是，则创建一个 0；因此在上述情况下，第一行的值为 1，因为 212 落在第二个间隔中，第二行为 0。请注意，这些是当前列和边缘情况的顺序（值匹配开始或间隔结束）应编码为 1。

我可以使用 ifelse 语句来做到这一点，但有 260 列，我觉得该解决方案将来可能会在其他方面有用。

【问题讨论】：

标签： r dataframe intervals

【解决方案1】：

使用data.table 包：

library(data.table)

dt = data.table(Value=c(212,80), start1=c(82,57), start2=c(195,95), start3=c(409,111),
                end1=c(97,69), end2=c(220,100), end3=c(411,130))

dt[, rowid:= .I]

使用“融化”的桌子更自然：

dt_melt = melt(dt, id=c('rowid','Value'), measure=patterns('start','end'),
               variable.name='interval', value.name=c('start','end'))

#    rowid Value interval start end
# 1:     1   212        1    82  97
# 2:     2    80        1    57  69
# 3:     1   212        2   195 220
# 4:     2    80        2    95 100
# 5:     1   212        3   409 411
# 6:     2    80        3   111 130

现在我们可以进行计算并与 rowid 上的dt 合并：

dt[dt_melt[, as.integer(any(between(Value, start, end))), by='rowid'], on='rowid']

#    Value start1 start2 start3 end1 end2 end3 rowid V1
# 1:   212     82    195    409   97  220  411     1  1
# 2:    80     57     95    111   69  100  130     2  0

【讨论】：

除了data.table还有什么我需要的，上面说没有叫做'patterns'的函数吗？
不，模式来自 data.table。你用的是什么版本
没关系，需要从data.frame转换为data.table
谢谢你，我应该知道融化数据哈哈。这也将解决我的许多其他问题！

【解决方案2】：

使用tidyverse 的解决方案。最终输出在dt3 数据框的InRange 列中。

# Create example data frame
dt <- read.table(text = "Value  start1  start2  start3  end1  end2  end3
212    82      195     409     97    220   411
                 80     57      95      111     69    100   130",
                 header = TRUE, stringsAsFactors = FALSE)

# Load packages
library(tidyverse)

# Process the data
dt2 <- dt %>% mutate(GroupID = 1:n()) 

dt3 <- dt2 %>%
  gather(StartEnd, Number, -Value, -GroupID) %>%
  mutate(Type = gsub("[0-9]", "", StartEnd),
         ID = gsub("[a-z]", "", StartEnd)) %>%
  select(-StartEnd) %>%
  spread(Type, Number) %>%
  mutate(InRange = ifelse(Value >= start & Value <= end, 1, 0)) %>%
  group_by(GroupID) %>%
  summarise(InRange = max(InRange)) %>%
  right_join(dt2, by = "GroupID")

请注意，我创建了GroupID 列以确保Value 列中的重复值（如果有）不会影响分析。但是，如果您确定没有重复值，则可以使用以下代码，而无需创建 GroupID 列。 dt2 是最终输出。

# Process the data
dt2 <- dt %>%
  gather(StartEnd, Number, -Value) %>%
  mutate(Type = gsub("[0-9]", "", StartEnd),
         ID = gsub("[a-z]", "", StartEnd)) %>%
  select(-StartEnd) %>%
  spread(Type, Number) %>%
  mutate(InRange = ifelse(Value >= start & Value <= end, 1, 0)) %>%
  group_by(Value) %>%
  summarise(InRange = max(InRange)) %>%
  right_join(dt, by = "Value")

【讨论】：