我想合并数据框的行,使“开始”和“结束”列所描述的范围包含原始数据集的所有值。可能有重叠,重复和嵌套范围。一些范围可能会丢失。根据日期范围合并行
这是我想崩溃的数据类型的例子:
data = data.frame(rbind(
c("Roger", 1, 10),
c("Roger", 10, 15),
c("Roger", 16, 17),
c("Roger", 3, 6),
c("Roger", 20, 25),
c("Roger", NA, NA),
c("Susan", 2, 8)))
names(data) = c("name", "start", "end")
data$start = as.numeric(as.character(data$start))
data$end = as.numeric(as.character(data$end))
期望的结果将是:
name start end
Roger 1 17
Roger 20 25
Susan 2 8
我的尝试是每个项目中展开了范围为每行。这有效,但我不知道如何缩小它。另外,我正在使用的完整数据集有大约3000万行和非常大的范围,所以这种方法非常慢。
pb <- txtProgressBar(min = 0, max = length(data$name), style = 3)
mylist = list()
for(i in 1:length(data$name)){
subdata = data[i,]
if(is.na(subdata$start)){
mylist[[i]] = subdata
mylist[[i]]$each = NA
}
if(!is.na(subdata$start)){
sequence = seq(subdata$start, subdata$end)
mylist[[i]] = subdata[rep(1, each = length(sequence)),]
mylist[[i]]$daily = sequence
}
setTxtProgressBar(pb, i)
}
rbindlist(mylist)
也许这很明显,但为什么罗杰出现两次?而不是在start = 1和end = 25的行中。 – snoram
@snoram好问题。因为罗杰没有18或19,所以这两个记录反映了他的范围内的差距。 – Nancy
相关:[在R中折叠相交区域](http://stackoverflow.com/questions/16957293/collapse-intersecting-regions-in-r)和[合并重叠范围到唯一组中](http://stackoverflow.com/questions/15235821/merge-overlapping-ranges-into-unique-groups) – Henrik