根据连续的行号对行进行分组答案

【问题标题】：Group rows based on consecutive line numbers根据连续的行号对行进行分组
【发布时间】：2021-03-26 09:33:43
【问题描述】：

我有一个数据框，其中一列表示文本lines，它们只是部分连续的：

df <- data.frame(
  line = c("0001","0002", "0003", "0011","0012","0234","0235","0236")
)

我想根据连续的行号对行进行分组以获得这个预期结果：

我尝试使用dplyr 的lag 函数来解决这个问题，但被困在那里：

library(dplyr)
df %>%
  mutate(line = as.numeric(line),
         diff = abs(lag(line) - line))

【问题讨论】：

这里描述了cumsum(...diff(...) <some-condition>) 成语创建分组变量：Create grouping variable for consecutive sequences and split vector

标签： r dplyr

【解决方案1】：

将数字转换为数字，计算连续数字之间的差值，当差值大于 1 时增加组计数。

transform(df, group = cumsum(c(TRUE, diff(as.numeric(line)) > 1)))

#  line group
#1 0001     1
#2 0002     1
#3 0003     1
#4 0011     2
#5 0012     2
#6 0234     3
#7 0235     3
#8 0236     3

如果你想使用dplyr：

library(dplyr)
df %>% mutate(group = cumsum(c(TRUE, diff(as.numeric(line)) > 1)))

【讨论】：

【解决方案2】：

这行得通吗：

library(dplyr)
library(stringr)
library(data.table)
df %>% mutate(z = str_count(line, '0'), grp = rleid(z)) %>% select(-z)
  line grp
1 0001   1
2 0002   1
3 0003   1
4 0011   2
5 0012   2
6 0234   3
7 0235   3
8 0236   3

【讨论】：

这很聪明，但只有在 line 中以 0 的数量区分组时才有效，玩具数据中是这种情况，但实际数据中是这种情况。