Группировка значений с условием

Question

Предположим, у меня есть следующие отсортированные данные:

[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

Теперь я хочу сгруппировать их, потому что многие из них почти равны.Скажем, условие, если два значения x [i] и x [i + 1] находятся в одной группе, - это если (x [i + 1] -x [i] <0.01), так что значение от 3-го до 9-го будет водна группа.Эти значения должны быть заменены (например) на их среднее значение.Я не знаю, как это сделать ... У кого-нибудь есть хорошая идея, как придумать это, или даже есть функция для этой проблемы?</p>

Answer 1

В базе R вы можете вернуть именованный вектор с помощью tapply, создав механизм группировки с diff и cumsum следующим образом:

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

Возвращает

         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 

Вы можете поместить это в data.frame следующим образом

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

Как упоминает Jaap в комментариях, более прямой метод для возврата data.frame заключается в использовании aggregate вокруг того же механизма группировки.

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

Это имеет приятную особенность, заключающуюся в том, что вектор группировки включается в качестве переменной в data.frame.

Ронак шах sapply с split является более явным методомразделение данных и расчет средств на них.tapply делает это "под капотом".

Answer 2

Вот как это сделать.Я использую dplyr до summarise по группам.Сначала я вычисляю разностный вектор, используя задержку в один.Затем я создаю столбец условия, который равен 1, если diff> 0,01 и 0 в противном случае.Затем я использую cumsum для группирования.coalesce используется для начала работы с АН.Используя группы, теперь вы можете 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