从数据框中选择子序列 [英] Select subsequences from a dataframe
问题描述
我有以下数据框：
df<-structure（list（a = c（1，43，22 ，12，35，113，54，94），b = c（ a，
b， c， d， e， f， g， h ））。.names = c（ a， b），row.names = c（NA，
-8L），class = c（ tbl_df， tbl， data.frame ））
我想从此数据中选择一定长度的连续子序列。例如，对于两个长度的序列，我想选择1-2、2-3、3-4等行，直到数据帧的最后一行。然后应标记每个子序列。
子序列长度为2，新的 df 及其序列标签如下所示：
ab seq_label
1 a 1＃第一个子序列，第1-2行
43 b 1＃
43 b 2＃第二个子序列，第2-3行
22 c 2＃
22 c 3＃第三个子序列，第3-4行
12 d 3＃
12 d 4
35 e 4
35 e 5
113 f 5
113 f 6
54 g 6
54 g 7
94 h 7
b的子序列长度类似：3 ab seq_label
1 a 1＃第一个子序列，第1-3行
43 b 1＃
22 c 1＃
43 b 2＃第二个子列，第2-4行
22 c 2＃
12 d 2＃
22 c 3＃第三子序列，第3-5行
12 d 3＃
35 e 3＃
12 d 4
35 e 4
113 f 4
35 e 5
113 f 5
54 g 5
113 f 6
54 g 6
94 h 6
....
感谢@drjones的建议答案I已提出解决方案：
map_dfr（1：（nrow（df）-n + 1），函数（i）{cbind （df [i：（i + n-1），]， seq_label = i）}）
解决方案我们可以使用外部创建索引：
n<-2
i<-1：1：（nrow（df）-（n-1））
cbind（df [t（outer（i ，1：n-1，`+`）），]，
seq_label = rep（i，每个= n））
＃ab seq_label
＃1 1 a 1
＃2 43 b 1
＃3 43 b 2
＃4 22 c 2
＃5 22 c 3
＃6 12 d 3
＃7 12 d 4
＃8 35 e 4
＃9 35 e 5
＃10113 f 5
＃11113 f 6
＃12 54 g 6
＃ 13 54 g 7
＃1494 h 7
...或 kronecker ：
cbind（df [kronecker（X = i，Y = 1：n-1，FUN =`+`），]，
seq_label = rep（i，每个= n ））
...或嵌入：
i <-：1：nrow（df）
cbind （df [as.vector（t（embed（i，n）[，n：1]）），]，
seq_label = rep（head（i，-（n-1）），每个= n） ）
I have the following dataframe:
df <- structure(list(a = c(1, 43, 22, 12, 35, 113, 54, 94), b = c("a",
"b", "c", "d", "e", "f", "g", "h")), .Names = c("a", "b"), row.names = c(NA,
-8L), class = c("tbl_df", "tbl", "data.frame"))
From this data I want to select consecutive subsequences of a certain length. For example, for a sequence length of two, I want to select rows 1-2, 2-3, 3-4, and so on until the last row of the data frame. Each subsequence should then be labelled.
With a subsequence length of 2, new df with its sequence labels would look like this:
a b seq_label
1 a 1 # First subsequence, row 1-2
43 b 1 #
43 b 2 # Second subsequence, row 2-3
22 c 2 #
22 c 3 # Third subsequence, row 3-4
12 d 3 #
12 d 4
35 e 4
35 e 5
113 f 5
113 f 6
54 g 6
54 g 7
94 h 7
Similar with a subsequence length of 3:
a b seq_label
1 a 1 # First subsequence, row 1-3
43 b 1 #
22 c 1 #
43 b 2 # Second subsequence, row 2-4
22 c 2 #
12 d 2 #
22 c 3 # Third subsequence, row 3-5
12 d 3 #
35 e 3 #
12 d 4
35 e 4
113 f 4
35 e 5
113 f 5
54 g 5
113 f 6
54 g 6
94 h 6
....
Thanks for @drjones's suggested answer I have advanced the solution:
map_dfr(1:(nrow(df) - n + 1), function (i) {cbind(df[i:(i + n - 1), ], "seq_label" = i)})
解决方案 We may create the indices using outer:
n <- 2
i <- 1:(nrow(df) - (n - 1))
cbind(df[t(outer(i, 1:n - 1, `+`)), ],
seq_label = rep(i, each = n))
# a b seq_label
# 1 1 a 1
# 2 43 b 1
# 3 43 b 2
# 4 22 c 2
# 5 22 c 3
# 6 12 d 3
# 7 12 d 4
# 8 35 e 4
# 9 35 e 5
# 10 113 f 5
# 11 113 f 6
# 12 54 g 6
# 13 54 g 7
# 14 94 h 7
...or kronecker:
cbind(df[kronecker(X = i, Y = 1:n - 1, FUN = `+`), ],
seq_label = rep(i, each = n))
...or embed:
i <- 1:nrow(df)
cbind(df[as.vector(t(embed(i, n)[ , n:1])), ],
seq_label = rep(head(i, -(n - 1)), each = n))
这篇关于从数据框中选择子序列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
