将分裂区间坐标转换为连续区间坐标。

Question

我有一个data.frame，其中每个id映射到多个不连续的线性区间，这些区间不重叠，并按升序排序：

df <- data.frame(id = c(rep("id1",3),rep("id2",4)),
                 start = c(101,220,307,550,658,742,855),
                 end = c(154,246,326,625,712,811,944),
                 stringsAsFactors = F)

我想添加新的“start”和“end”列，这些列将累加间隔宽度并显示累积的起始和结束坐标。

因此，对于上面的示例“df”，这些新的“start”和“end”列（“cum.start”，“cum.end”）将是：

df$cum.start <- c(1,55,82,1,77,132,202)
df$cum.end <- c(54,81,101,76,131,201,291)

有没有使用dplyr的方法来实现这个？

- dan

Answer 1

我们可以使用lag和cumsum:

library(dplyr)

df1 %>% 
  group_by(id) %>% 
  mutate(cum.start = c(1, lag(cumsum(end - start + 1))[-1] + 1) ,
         cum.end = cumsum(end - start + 1))

#> # A tibble: 7 x 5
#> # Groups:   id [2]
#>   id    start   end cum.start cum.end
#>   <chr> <dbl> <dbl>     <dbl>   <dbl>
#> 1 id1     101   154         1      54
#> 2 id1     220   246        55      81
#> 3 id1     307   326        82     101
#> 4 id2     550   625         1      76
#> 5 id2     658   712        77     131
#> 6 id2     742   811       132     201
#> 7 id2     855   944       202     291

- M--

---

我认为每个人都有类似的想法，所以我不会再发表另一个答案。变化 - df％>%按id分组％>% mutate（newend = cumsum（end-start + 1），newstart = lag（newend + 1，默认值= 1）） - thelatemail

@thelatemail 我一开始也是这样做的，但觉得重新排列列可能更有效。 - M--

Answer 2

请看下面使用 dplyr 的一种可能解决方案：

• 代码

df %>% 
  group_by(id) %>% 
  mutate( diff = end-start+1,
               cum.end = cumsum(diff),
               cum.start = cum.end - diff + 1) %>% 
  select(-diff) %>% 
  relocate("cum.end", .after = last_col())

• Output

#> # A tibble: 7 x 5
#> # Groups:   id [2]
#>   id    start   end cum.start cum.end
#>   <chr> <dbl> <dbl>     <dbl>   <dbl>
#> 1 id1     101   154         1      54
#> 2 id1     220   246        55      81
#> 3 id1     307   326        82     101
#> 4 id2     550   625         1      76
#> 5 id2     658   712        77     131
#> 6 id2     742   811       132     201
#> 7 id2     855   944       202     291

^{创建于2021年12月15日，使用reprex包（v2.0.1）}

- lovalery

---

你需要使用group_by(id)。 - M--