我在 R 中有以下 data.table：
dataset <- data.table(C=c("a", "b", "c") , neg=c("5, 7", "9", "3, 4, 5"), pos = c("5.05, 8", "", "2.95, 4.2"))
表格如下所示：
我想找到“neg”和“pos”列中的值之间的重叠。 如果同一行中两列中的任何值之间的差异小于 0.1 - 我想通过取两个值的平均值来合并这些值。 例如。对于第 5 对和 5.05 – 5.025 应计算。如果在相同的 0.1 范围内没有值，则仅显示原始值。我添加了一张我对可能结果的想法的图片：
是否有直接执行此操作的功能，还是我必须先拆分/重新排列表格？
感谢您的帮助！
【问题讨论】：
标签： r datatable aggregate data-wrangling
数字存储为字符值，因此首先您需要将它们以逗号分隔，将它们转换为数字，sort 数据。然后，您可以计算连续值之间的差值，如果它们的差值小于 0.1，则将两个值合并（通过取它们的平均值）。
在基础 R 中，使用 Map 和 tapply 你可以做到 -
dataset$overlap <- Map(function(x, y) {
p <- sort(as.numeric(c(x, y)))
as.numeric(tapply(p, cumsum(c(TRUE, diff(p) > 0.1)), mean))
}, strsplit(dataset$neg, ',\\s*'), strsplit(dataset$pos, ',\\s*'))
dataset
# C neg pos overlap
#1: a 5, 7 5.05, 8 5.025,7.000,8.000
#2: b 9 9
#3: c 3, 4, 5 2.95, 4.2 2.975,4.000,4.200,5.000
dataset$overlap
#[[1]]
#[1] 5.025 7.000 8.000
#[[2]]
#[1] 9
#[[3]]
#[1] 2.975 4.000 4.200 5.000
【讨论】：
在问题的示例中，任何输入单元格中都没有 0.1 范围内的值，我们假设这是一般情况，如果不是，那么也可以合并这些值。
对于每一行，将数字扫描成一个数字向量，对其进行排序并找到相邻数字小于 0.1 的实例。取这些数字的平均值，然后 NA 去掉之前的数字。省略 NA 并转换为逗号分隔的字符串。
如果 C 中的值是唯一的，那么我们可以将 by= 替换为 by=C。
dataset[, overlap := {
s <- sort(scan(text = c(neg, pos), sep = ",", quiet = TRUE))
wx <- which(c(FALSE, diff(s) < 0.1))
s[wx] <- (s[wx] + s[wx-1]) / 2
s[wx-1] <- NA
toString(na.omit(s))
}, by = 1:nrow(dataset)]
dataset
## C neg pos overlap
## 1: a 5, 7 5.05, 8 5.025, 7, 8
## 2: b 9 9
## 3: c 3, 4, 5 2.95, 4.2 2.975, 4, 4.2, 5
【讨论】：