R總結連續的重複行並刪除除第一行以外的所有行

Question

我被困在一個可能很簡單的問題 - 如何總結連續的重複行並刪除除第一行以外的所有行。而且，如果在兩個副本（例如2,na,2）之間存在NA，也可以將它們相加併除去第一個條目。 到目前爲止好，這裏是我的樣本數據

ia<-c(1,1,2,NA,2,1,1,1,1,2,1,2) 
time<-c(4.5,2.4,3.6,1.5,1.2,4.9,6.4,4.4, 4.7, 7.3,2.3, 4.3) 
a<-as.data.frame(cbind(ia, time)) 

樣本輸出

 a 
    ia time 
1 1 4.5 
2 1 2.4 
3 2 3.6 
4 NA 1.5 
5 2 1.2 
6 1 4.9 
7 1 6.4 
8 1 4.4 
9 1 4.7 
10 2 7.3 
11 1 2.3 
12 2 4.3 

現在我想 1）概括連續IA的的「時間」列 - 即，和時間如果數字1出現兩次或更多次，則在本例中，第一行和第二列的時間總和爲4.5+2.4。

2.）如果在兩個數字（ia列）之間有一個NA，它們是相同的(i.e., ia = 2, NA, 2)，那麼也將所有這些時間相加。

3.）只保留ia的第一次出現，然後刪除其餘部分。

最後，我想有這樣的事情：

a 
     ia time 
    1 1 6.9 
    3 2 6.3 
    6 1 20.4 
    10 2 7.3 
    11 1 2.3 
    12 2 4.3 

我發現這對於總結，但它並沒有考慮到連續的因素

aggregate(time~ia,data=a,FUN=sum) 

，我發現這用於刪除

a[cumsum(rle(as.numeric(a[,1]))$lengths),] 

儘管rle方法保持最後一項，我會w螞蟻保持第一。我也不知道如何處理NAs。

如果我有一個1-NA-2的模式，那麼NA不應該與他們中的任何一個進行計數，在這種情況下，應該刪除NA行。

Answer 1

您首先需要用它們周圍的值替換NAs序列（如果它們相同）。 This answer顯示了動物園的na.locf功能，其用最後的觀察來填充NA。通過測試它是否是相同的，當你攜帶值向後或向前，就可以過濾掉你不想在NAS，然後執行弘揚：

library(dplyr) 
library(zoo) 

a %>% 
    filter(na.locf(ia) == na.locf(ia, fromLast = TRUE)) %>% 
    mutate(ia = na.locf(ia)) 
#> ia time 
#> 1 1 4.5 
#> 2 1 2.4 
#> 3 2 3.6 
#> 4 2 1.5 
#> 5 2 1.2 
#> 6 1 4.9 
#> 7 1 6.4 
#> 8 1 4.4 
#> 9 2 7.3 
#> 10 1 2.3 
#> 11 2 4.3 

現在你已經固定的那些來港定居，就可以使用cumsum組連續組值。完整的解決方案是：

result <- a %>% 
    filter(na.locf(ia) == na.locf(ia, fromLast = TRUE)) %>% 
    mutate(ia = na.locf(ia)) %>% 
    mutate(change = ia != lag(ia, default = FALSE)) %>% 
    group_by(group = cumsum(change), ia) %>% 
    summarise(time = sum(time)) 
result 
#> Source: local data frame [6 x 3] 
#> Groups: group [?] 
#> 
#> group ia time 
#> (int) (dbl) (dbl) 
#> 1  1  1 6.9 
#> 2  2  2 6.3 
#> 3  3  1 15.7 
#> 4  4  2 7.3 
#> 5  5  1 2.3 
#> 6  6  2 4.3 

如果你想擺脫group柱，使用附加線：

result %>% 
    ungroup() %>% 
    select(-group) 

Answer 2

nas <- which(is.na(df$ia)) 
add.index <- sapply(nas, function(x) {logi <- which(as.logical(df$ia)) 
    aft <- logi[logi > x][1] 
    fore <- tail(logi[logi< x], 1) 
    if(df$ia[aft] == df$ia[fore]) aft else NA}) 
df$ia[nas] <- df$ia[add.index] 
df <- df[complete.cases(df),] 

首先，我們確定該列的NA值由相同的值所包圍。如果是，則周圍值取代NA。如果數據具有連續的NA值，則沒有問題。

接下來我們通過小組操作做一個標準總和。 cumsum允許我們根據數字的變化創建一個獨特的組。

df$grps <- cumsum(c(F, !df$ia[-length(df$ia)] == df$ia[-1]))+1 
aggregate(time ~ grps, df, sum) 
# grps time 
# 1 1 6.9 
# 2 2 6.3 
# 3 3 20.4 
# 4 4 7.3 
# 5 5 2.3 
# 6 6 4.3 

這是一個base R的方法。使用像dplyr，zoo或data.table這樣的軟件包，可以使用不同的選項，因爲它們具有專門的功能，可以完成我們在此處執行的操作。

Answer 3

隨着data.table（如RHertel建議na.locf）：

library(data.table) 
library(zoo) 

setDT(a)[na.locf(ia, fromLast=T)==na.locf(ia), sum(time), cumsum(c(T,!!diff(na.locf(ia))))] 
# id V1 
#1: 1 6.9 
#2: 2 6.3 
#3: 3 20.4 
#4: 4 7.3 
#5: 5 2.3 
#6: 6 4.3