mto23's questions

我的数据集中有一列如下所示：

cluster_id
1
1
1
1
NA
1
NA
NA
2
NA
2
NA
3
NA
NA
3


cluster_id <- c("1","1","1","1","NA","1","NA","NA","2","NA","2","NA","3","NA","NA","3")

在使用时间列之前，顺序已经预先定义好了。我想要的是替换每个集群 ID 内的 NA，即，如果有一行是 2，然后是 NA，然后又是 2，我希望那个 NA 变成 2。数字之间的 NA 保持为 NA。示例：

cluster_id   cluster_id_new
1            1
1            1
1            1
1            1
NA           1
1            1
NA           NA
NA           NA
2            2
NA           2
2            2
NA           NA
3            3
NA           3
NA           3
3            3 

我在这篇文章zoo::na.locf中找到了该函数，它似乎接近我想要的，但我还需要考虑NA之后的值。有什么想法吗？

我有一个数据帧，我想通过仅选择连续值“1”来对其进行子集化。

具体来说，我有一个如下所示的数据框：

library(tidyverse)
library(zoo)

df <- data.frame(matrix(ncol = 3, nrow = 17))
colnames(df) <- c("row_id","id", "k_yes")
df$row_id <- c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17)
df$id <- c("1_1","1_1","1_1","1_1","1_1","1_1","1_2","1_2","1_2","1_2","1_2","1_2","1_3","1_3","1_3","1_3","1_3")
df$k_yes <- c(1,1,1,0,1,1,0,0,0,1,1,0,1,0,1,0,1)
df
   row_id    id  k_yes
1       1   1_1      1
2       2   1_1      1
3       3   1_1      1
4       4   1_1      0
5       5   1_1      1
6       6   1_1      1
7       7   1_2      0
8       8   1_2      0
9       9   1_2      0
10     10   1_2      1
11     11   1_2      1
12     12   1_2      0
13     13   1_3      1
14     14   1_3      0 
15     15   1_3      1
16     16   1_3      0
17     17   1_3      1

我想创建两个数据集：

1)每组 ( id) 中只有“1”，但始终有两个或多个连续的。所以，如果两个“1”之间有一个“0”，至少最后一个“1”应该被丢弃。所以它会接受像eg 1-1，，1-1-1等等的序列，但不接受0-1-1or1-1-1-0

然后，我还想添加一列来了解已形成哪个新组/序列，因为它并不总是与 id 相同（如果 id 中有两个子组/序列）。基本上，该列对于整个数据帧的每个序列应该有一个唯一的代码（现在，我只是将 id 与一个字母绑定，但它可以是连续的数字/字母，例如）

这个数据框看起来像这样：

  row_id    id k_yes  new_group
1      1   1_1     1      1_1_A
2      2   1_1     1      1_1_A
3      3   1_1     1      1_1_A
4      5   1_1     1      1_1_B
5      6   1_1     1      1_1_B
6     10   1_2     1      1_2_A
7     11   1_2     1      1_2_A

2)另一种，每组 ( id) 接受“1”之间有一个“0”，但如果“0”之后没有其他“1”，则不接受。所以它会接受像eg 、、、、1-0-1等等这样的序列，但不接受像or或或这样的序列（在后面，它只会保留前一个1）。与之前的“new_group”列相同。1-1-0-11-1-0-1-11-1-0-1-0-10-1-11-1-01-1-0-0-1

df 所需的输出为：

   row_id    id k_yes  new_group
1       1   1_1     1      1_1_A
2       2   1_1     1      1_1_A
3       3   1_1     1      1_1_A
4       4   1_1     0      1_1_A
5       5   1_1     1      1_1_A
6       6   1_1     1      1_1_A
7      10   1_2     1      1_2_A
8      11   1_2     1      1_2_A
9      12   1_3     1      1_3_A
10     14   1_3     0      1_3_A
11     15   1_3     1      1_3_A
12     16   1_3     0      1_3_A
13     17   1_3     1      1_3_A

在本例中，id“1_1”仅获得“新组”(1_1_A) 的一个值，因为它都是相同的序列（包括 0）

我尝试遵循这个答案，但没有成功，因为我尝试过：

> df |>
     group_by(id) |> 
     mutate(b = c(first(k_yes) , zoo::rollsum(k_yes, 1))) |>
     summarise(groups_to_keep = id[which(b >= 2)]) -> gk

Error in `mutate()`:
ℹ In argument: `b = c(first(k_yes), zoo::rollsum(k_yes, 1))`.
ℹ In group 1: `id = "1_1"`.
Caused by error:
! `b` must be size 5 or 1, not 6.

我认为问题出在rollsum()函数上，但是在检查了帮助页面后，我仍然不清楚应该如何应用这个函数。

任何帮助表示赞赏！

更新：

我添加了数据集的新版本，它将在第一个数据集 (1) 中为“新组”创建两个值。