迭代地和分层地循环遍历行直到满足条件
问题描述 投票：9回答：3
我正在尝试解决R中的数据管理问题。
假设我的数据如下：
id <- c("123", "414", "606")
next.up <- c("414", "606", "119")
is.cond.met <- as.factor(c("FALSE", "FALSE", "TRUE"))
df <- data.frame(id, next.up, is.cond.met)
> df
id next.up is.cond.met
1 123 414 FALSE
2 414 606 FALSE
3 606 119 TRUE
我想获得的是以下内容：
id <- c("123", "414", "606")
next.up <- c("414", "606", "119")
is.cond.met <- as.factor(c("FALSE", "FALSE", "TRUE"))
origin <- c("606", "606", "119")
df.result <- data.frame(id, next.up, is.cond.met, origin)
> df.result
id next.up is.cond.met origin
1 123 414 FALSE 606
2 414 606 FALSE 606
3 606 119 TRUE 119
换句话说：当给定条件（is.met）为真时，我想将每个ID与其“原点”匹配。我遇到的困难是这是迭代和分层的：找到原点我可能需要经历多个分离度。逻辑步骤如下所示。我真的不确定如何解决这个问题。
UPDATE 其中一条评论提出了一个data.frame解决方案，它适用于排序数据，如上面的最小例子。实际上，我的数据没有以这种方式排序。一个更好的例子如下：
id <- c("961980", "14788", "902460", "900748", "728912", "141726", "1041190", "692268")
next.up <- c("20090", "655036", "40375164", "40031850", "40368996", "961980", "141726", "760112")
is.cond.met <- c(TRUE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE)
df <- data.frame(id, next.up, is.cond.met, stringsAsFactors = FALSE)
glimpse(df)
Observations: 8
Variables: 3
$ id <chr> "961980", "14788", "902460", "900748", "728912", "141726", "1041190", "692268"
$ next.up <chr> "20090", "655036", "40375164", "40031850", "40368996", "961980", "141726", "760112"
$ is.cond.met <lgl> TRUE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE
> df
id next.up is.cond.met
1 961980 20090 TRUE
2 14788 655036 FALSE
3 902460 40375164 FALSE
4 900748 40031850 FALSE
5 728912 40368996 FALSE
6 141726 961980 FALSE
7 1041190 141726 FALSE
8 692268 760112 FALSE
更新2：最终结果应如下所示：
> df.end.result
id next.up is.cond.met origin
1 961980 20090 TRUE <NA>
2 14788 655036 FALSE <NA>
3 902460 40375164 FALSE <NA>
4 900748 40031850 FALSE <NA>
5 728912 40368996 FALSE <NA>
6 141726 961980 FALSE 961980
7 1041190 141726 FALSE 961980
8 692268 760112 FALSE <NA>
3个回答
5
投票
投票
我已经扩展了您的示例数据，以显示TRUE中更多is.cond.met值会发生什么。使用data.table包，您可以：
library(data.table)
setDT(df)[, grp := shift(cumsum(is.cond.met), fill=0)
][, origin := ifelse(is.cond.met, next.up, id[.N]), by = grp][]
这使：
> df
id next.up is.cond.met grp origin
1: 123 414 FALSE 0 606
2: 414 606 FALSE 0 606
3: 606 119 TRUE 0 119
4: 119 321 FALSE 1 321
5: 321 507 TRUE 1 507
6: 507 185 TRUE 2 185
说明：
- 首先使用
shift(cumsum(is.cond.met), fill=0)创建分组变量。 - 使用
ifelse(is.cond.met, next.up, id[.N])，您可以为origin指定正确的值。
注意：id和next.up列应该具有上述类的特征才能工作（因此我在构造扩展示例数据时使用了stringsAsFactors = FALSE）。如果它们是因素，请首先使用as.character进行转换。如果is.cond.met不是合乎逻辑的，请用as.logical转换它。
在更新的示例数据上，上面的代码给出：
id next.up is.cond.met grp origin
1: 961980 20090 TRUE 0 20090
2: 14788 655036 FALSE 1 692268
3: 902460 40375164 FALSE 1 692268
4: 900748 40031850 FALSE 1 692268
5: 728912 40368996 FALSE 1 692268
6: 141726 961980 FALSE 1 692268
7: 1041190 141726 FALSE 1 692268
8: 692268 760112 FALSE 1 692268
使用数据：
id <- c("123", "414", "606", "119", "321", "507")
next.up <- c("414", "606", "119", "321", "507", "185")
is.cond.met <- c(FALSE, FALSE, TRUE, FALSE, TRUE, TRUE)
df <- data.frame(id, next.up, is.cond.met, stringsAsFactors = FALSE)
3
投票
投票
所以，imho，我认为如果没有交互式更新，你无法解决它。
与@ procrastinatus-maximus类似，这里是dplyr的迭代解决方案
library(dplyr)
dfIterated <- data.frame(df, cond.origin.node = id,
cond.update = is.cond.met, stringsAsFactors = F)
initial.cond <- dfIterated$is.cond.met
while(!all(dfIterated$is.cond.met %in% c(TRUE, NA))) {
dfIterated <- dfIterated %>%
mutate(cond.origin.node = if_else(is.cond.met,
cond.origin.node,
next.up),
parent.match = match(next.up, id),
cond.update = (cond.update[parent.match] | cond.update),
cond.origin.node = if_else(!is.cond.met & cond.update,
next.up[parent.match],
next.up),
is.cond.met = cond.update)
}
# here we use ifelse instead of if_else since it is less type strict
dfIterated %>%
mutate(cond.origin.node = ifelse(initial.cond,
yes = NA,
no = cond.origin.node))
编辑：添加起始条件;由ifelse取代dplyr::if_else
说明：我们迭代地更新dfIterated以包含已建议的所有next.up节点。在这里，我们为每个id并行做。
- 我们改变
cond.origin.node并用id替换它，如果cond.is.met == TRUE和next.up“否则” -NA中的cond.is.met值将返回NA值自己，这在我们的情况下是非常实际的。 然后我们计算匹配的父索引 - 我们更新
cond.update，其中我们匹配id列中的父级。 （将返回NA的值，即id中没有匹配，将被NA替换。）并且我们使用|（或）运算符，如果在TRUE == (TRUE | NA)中有先前的TRUE条目，fortunetaley将返回cond.update - 然后，我们需要计算
TRUE条件的起始节点。 - 然后在
is.cond.met中提升了条件 - 重复一切，直到我们的
is.cond.met仅由TRUEs或NAs组成。 orgin将包含cond.is.met == TRUE的节点
上面示例的输出如下所示：
> dfIterated
id next.up is.cond.met cond.origin.node cond.update
1 961980 20090 TRUE <NA> TRUE
2 14788 655036 NA <NA> NA
3 902460 40375164 NA <NA> NA
4 900748 40031850 NA <NA> NA
5 728912 40368996 NA <NA> NA
6 141726 961980 TRUE 961980 TRUE
7 1041190 141726 TRUE 961980 TRUE
8 692268 760112 NA <NA> NA
希望这可以帮助！正向查找将以类似的方式工作。进一步的改进取决于你想要保留什么样的结果（例如，你真的想要覆盖is.cond.met吗？）
3
投票
投票
我希望我能正确理解你的问题，这符合我的观点。您似乎尝试根据数据表解决网络问题。我建议采用以下配方。
我们有一个网络，定义为一组边（列id和next.up对应vertex_from和vertex_to）。网络是一组树。列is.cond.met映射作为端点或树根的顶点。未考虑未映射根的树木。
我稍微修改了你的MRE，使它更具说明性。
id <- c("961980", "14788", "902460", "900748", "728912", "141726", "1041190", "692268", "40368996", "555555", "777777")
next.up <- c("20090", "655036", "40375164", "40031850", "40368996", "961980", "141726", "760112", "692268", "760112", "555555")
is.cond.met <- c(TRUE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE, FALSE, FALSE)
dt <- data.table(id, next.up, is.cond.met, stringsAsFactors = FALSE)
现在让我们将所有内容翻译成图形语言。
library(data.table)
library(magrittr)
library(igraph)
graph_from_edgelist(as.matrix(dt[, 1:2, with = F])) -> dt_graph
V(dt_graph)$color <- ifelse(V(dt_graph)$name %in% dt[is.cond.met == T]$next.up, "green", "yellow")
E(dt_graph)$arrow.size <- .7
E(dt_graph)$width <- 2
plot(dt_graph, edge.color = "grey50")
我们有以下图表。
绿色顶点是映射根 - 让我们将它们命名为treeroots。他们的fisrt秩序的根源是每棵树的主要分支的根源 - 让它们成为分支根。问题是id列中每个顶点的初始数据都找到了相应的branchroot。
treeroots <- dt[is.cond.met == T]$next.up %>% unique
lapply(V(dt_graph)[names(V(dt_graph)) %in% treeroots],
function(vrtx) neighbors(dt_graph, vrtx, mode = "in")) -> branchroots
我们可以在ego包中使用igraph函数找到所有顶点到每个branchroot的顶点。
lapply(seq_along(branchroots), function(i) {
data.table(tree_root = names(branchroots[i]), branch_root = branchroots[[i]]$name)
}) %>% rbindlist() -> branch_dt
branch_dt[, trg_vertices := ego(dt_graph, order = 1e9,
V(dt_graph)[names(V(dt_graph)) %in% branch_dt$branch_root],
mode = "in", mindist = 1) %>% lapply(names)]
branch_dt
# tree_root branch_root trg_vertices
# 1: 20090 961980 141726,1041190
# 2: 760112 692268 40368996,728912
# 3: 760112 555555 777777
之后我们可以创建origin列。
sapply(seq_along(branch_dt$branch_root),
function(i) rep(branch_dt$branch_root[i],
length(branch_dt$trg_vertices[[i]]))) %>% unlist -> map_vertices
branch_dt$trg_vertices %>% unlist() -> map_names
names(map_vertices) <- map_names
dt[, origin := NA_character_]
dt[id %in% map_names, origin := map_vertices[id]]
dt
# id next.up is.cond.met origin
# 1: 961980 20090 TRUE NA
# 2: 14788 655036 FALSE NA
# 3: 902460 40375164 FALSE NA
# 4: 900748 40031850 FALSE NA
# 5: 728912 40368996 FALSE 692268
# 6: 141726 961980 FALSE 961980
# 7: 1041190 141726 FALSE 961980
# 8: 692268 760112 TRUE NA
# 9: 40368996 692268 FALSE 692268
# 10: 555555 760112 FALSE NA
# 11: 777777 555555 FALSE 555555
为方便起见，我将结果代码安排到一个函数中。
add_origin <- function(dt) {
require(data.table)
require(magrittr)
require(igraph)
setDT(dt)
graph_from_edgelist(as.matrix(dt[, .(id, next.up)])) -> dt_graph
treeroots <- dt[is.cond.met == T]$next.up %>% unique
lapply(V(dt_graph)[names(V(dt_graph)) %in% treeroots],
function(vrtx) neighbors(dt_graph, vrtx, mode = "in")) -> branchroots
lapply(seq_along(branchroots), function(i) {
data.table(tree_root = names(branchroots[i]), branch_root = branchroots[[i]]$name)
}) %>% rbindlist() -> branch_dt
branch_dt[, trg_vertices := rep(list(NA), nrow(branch_dt))][]
vertices_on_branch <- ego(dt_graph, order = 1e9,
V(dt_graph)[names(V(dt_graph)) %in% branch_dt$branch_root],
mode = "in", mindist = 1) %>% lapply(names)
set(branch_dt, j = "trg_vertices", value = list(vertices_on_branch))
sapply(seq_along(branch_dt$branch_root),
function(i) rep(branch_dt$branch_root[i],
length(branch_dt$trg_vertices[[i]]))) %>% unlist -> map_vertices
branch_dt$trg_vertices %>% unlist() -> map_names
names(map_vertices) <- map_names
dt[, origin := NA_character_]
dt[id %in% map_names, origin := map_vertices[id]]
dt[]
}
对于您的MRE，它会产生所需的输出。
df0 <- data.frame(id = c("961980", "14788", "902460", "900748", "728912", "141726", "1041190", "692268"),
next.up = c("20090", "655036", "40375164", "40031850", "40368996", "961980", "141726", "760112"),
is.cond.met = c(TRUE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE), stringsAsFactors = FALSE)
df0 %>% add_origin
# id next.up is.cond.met origin
# 1: 961980 20090 TRUE NA
# 2: 14788 655036 FALSE NA
# 3: 902460 40375164 FALSE NA
# 4: 900748 40031850 FALSE NA
# 5: 728912 40368996 FALSE NA
# 6: 141726 961980 FALSE 961980
# 7: 1041190 141726 FALSE 961980
# 8: 692268 760112 FALSE NA
所描述的方法应该比循环内的data.frame的迭代更新快得多。
最新问题
- 从数据库/Excel/CSV 转换为 YAML 数据装置？
- windows server 2019可以安装docker CE吗？
- 如何将当前的git分支添加到MSYS UCRT bash中的commad promt？
- R、data.table 和手动定义的 24 小时间隔开始
- 无法读取未定义的读取“indexOf”的属性
- 如何在 GraphQL Pothos Builder 中创建自定义突变输出
- 如何使用 XSLT 从 SOAP 响应中过滤 XML 节点
- UTF-8 将 Go 字符串安全截断为少于 N 个字节
- 在 ExprTK 表达式中指定向量文字
- 类型 never 不可分配给 Promise 数组、布尔值和错误作为值
- 在 VSCode 上使用 Android 中的 Flutter 获取干净的日志
- Windows 上的 Linux
- 防止在保存时自动格式化期间删除死代码？
- Angular 5：从 URL 获取主机名和应用程序名称
- 热图上的中心颜色条标签
- 如何使用 Pydantic 验证模型中的两个日期？ end_date 大于 init_date
- 比较两个文件夹及其子文件夹批处理文件
- PowerShell 和 ADB：如何查找手机上文件的路径
- 是否有办法确定 dll 是 ActiveX 控件还是严格意义上的 COM 对象？
- podman 运行失败，显示 /sys/fs/cgroup/user.slice/.../libpod-xxxxxxxx..../pids.max：没有这样的文件或目录
© www.soinside.com 2019 - 2024. All rights reserved.