使用 dplyr 计算数据框中行的子集总和

Question

不知何故，当我尝试对组中的前几行求和时，

dplyr

出现错误。

我尝试在

dplyr

之外重建问题，它工作正常，没有错误。谁能建议我做错了什么？

我有一个数据框，其中包含字符串内的开始位置和结束位置。我匹配不同长度的图案（

nchar

）。对于每一行，我想找到原始文本中的位置（模式之前的 1），而不需要前一个模式长度的长度...所以第一个模式从 3 开始（

4-1

），第二个模式从 9 开始（

21-1-11

） ），第三名是 28 (

50-1-sum(11,10)

)

library(dplyr)
df <- data.frame(
  id=1,
  start=c(4, 21, 50),
  end=c(14, 30, 60),
  nchar=c(11,10,11)
) 
df %>% 
  group_by(id) %>% 
  mutate(pos=start[row_number()] -
           (1 + sum(nchar[0:(row_number() - 1)])))

产品

# A tibble: 3 x 5
# Groups:   id [1]
     id start   end nchar   pos
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     4    14    11     3
2     1    21    30    10    20
3     1    50    60    11    49
Warning message:
There was 1 warning in `mutate()`.
i In argument: `pos = start[row_number()] - (1 + sum(nchar[0:(row_number() - 1)]))`.
i In group 1: `id = 1`.
Caused by warning in `0:(row_number() - 1)`:
! numerical expression has 3 elements: only the first used 

我对新专栏的期望是什么

sapply(1:3, function(i) df$start[i] - (1 + sum(df$nchar[0:(i - 1)])))

这给出了正确的位置...

Answer 1

一般来说，您应该避免在 dplyr 动词中使用括号子集

[

。在这种情况下，您可以通过使用

cumsum()

迭代求和并使用

lag()

访问上一行来获得所需的输出：

df %>% 
  group_by(id) %>% 
  mutate(pos = start - 1 - cumsum(lag(nchar, default = 0)))

为您提供所需的输出：

# Groups:   id [1]
     id start   end nchar   pos
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     4    14    11     3
2     1    21    30    10     9
3     1    50    60    11    28