Início / coding / Perguntas / 79342732
Accepted
Joe
Asked: 2025-01-09 21:13:19 +0800 CST

Percorrendo um quadro de dados enquanto agrupa linhas

  • 772

Desejo percorrer meu quadro de dados e alterar o valor de uma das células para evitar duplicatas.

myDf
name     day        score
joe      monday     16
joe      monday     16
harry    wednesday  88
harry    thursday   55
james    tuesday    10
will     monday     10
harry    wednesday  88
joe      tuesday    16
joe      monday     16

Aqui tenho linhas duplicadas, então para torná-las únicas e manter os dados, desejo colar o número da tentativa após a pontuação, assim:

mydf_new
name      day        score
joe      monday     16 (a1)
joe      monday     16 (a2)
harry    wednesday  88 (a1)
harry    thursday   55
james    tuesday    10
will     monday     10
harry    wednesday  88 (a2)
joe      tuesday    16
joe      monday     16 (a3)

O principal problema que estou tendo é como fazer um loop pelos meus dados e agrupar todas as linhas que não são únicas. Consegui identificá-las usando, dupSax = sax = which(duplicated(c(paste(myDf$name, myDf$day, myDf$score)))|duplicated(c(paste(myDf$name, myDf$day, myDf$score)), fromLast = TRUE))mas quando faço meu loop, não tenho certeza de como pegar todas as linhas que se relacionam em vez de linha por linha. Também entendo que essa pode não ser a maneira mais fácil de fazer isso.

3 respostas

  1. Best Answer

    Criei uma nova coluna ( identifier) para a saída para que a coluna original scorenão seja alterada.

    Podemos agrupar os dados por namee day, se o número de linhas em um grupo for maior que 1, criamos uma sequência a1e a2a colamos com scorevalor.

    library(dplyr)

mydf |>
  mutate(identifier = if(n() > 1) paste0(score, " (a", row_number(), ")") 
         else as.character(score), .by = c(name, day))

#   name       day score identifier
#1   joe    monday    16    16 (a1)
#2   joe    monday    16    16 (a2)
#3 harry wednesday    88    88 (a1)
#4 harry  thursday    55         55
#5 james   tuesday    10         10
#6  will    monday    10         10
#7 harry wednesday    88    88 (a2)
#8   joe   tuesday    16         16
#9   joe    monday    16    16 (a3)

    e a mesma lógica traduzida na base R:

    transform(mydf, identifier = ave(score, name, day, FUN = \(x) 
                if(length(x) > 1) paste0(x, " (a", seq_along(x), ")") else x))
    • 2

  2. Sua saída proposta parece muito abaixo do ideal. Eu faria algo assim:

    library(data.table)
DT <- fread("myDf
name     day        score
joe      monday     16
joe      monday     16
harry    wednesday  88
harry    thursday   55
james    tuesday    10
will     monday     10
harry    wednesday  88
joe      tuesday    16
joe      monday     16")

#setDT(DT) #if data is in a data.frame

DT[, attempt := seq_len(.N), by = .(name, day)]
setorder(DT, name, day, attempt)
print(DT)
#     name       day score attempt
#   <char>    <char> <int>   <int>
#1:  harry  thursday    55       1
#2:  harry wednesday    88       1
#3:  harry wednesday    88       2
#4:  james   tuesday    10       1
#5:    joe    monday    16       1
#6:    joe    monday    16       2
#7:    joe    monday    16       3
#8:    joe   tuesday    16       1
#9:   will    monday    10       1
    • 2

  3. Torne as linhas únicas combinando o ID do grupo e uma numeração consecutiva

    library(dplyr)

myDf %>% 
  mutate(grp = paste0(cur_group_id(), "_", row_number()), .by = c(name, day))

    saída

       name       day score grp
1   joe    monday    16 1_1
2   joe    monday    16 1_2
3 harry wednesday    88 2_1
4 harry  thursday    55 3_1
5 james   tuesday    10 4_1
6  will    monday    10 5_1
7 harry wednesday    88 2_2
8   joe   tuesday    16 6_1
9   joe    monday    16 1_3
    • 2

relate perguntas