在 R 中查找相似列名的间隔

Find interval over similar column names in R

我想要一种更简单的方法来查找某个值是否在任何给定区间内。给定数据框:

Value  start1  start2  start3  end1  end2  end3
212    82      195     409     97    220   411
80     57      95      111     69    100   130

我想创建一个新列,如果 'Value' 在任何间隔([start1-end1]、[start2-end2] 等)中,则为 1,如果为 0,则为 0不是;所以在上面的例子中,第一行的值为 1,因为 212 落在第二个区间内,第二行将为 0。请注意,这些是当前列的顺序和边缘情况(值匹配开始或间隔结束)应编码为 1.

我可以用 ifelse 语句来做到这一点,但是有 260 列,我觉得这个解决方案将来在其他方面可能会有用。

使用 data.table 软件包:

library(data.table)

dt = data.table(Value=c(212,80), start1=c(82,57), start2=c(195,95), start3=c(409,111),
                end1=c(97,69), end2=c(220,100), end3=c(411,130))

dt[, rowid:= .I]

使用 'melted' table:

更自然
dt_melt = melt(dt, id=c('rowid','Value'), measure=patterns('start','end'),
               variable.name='interval', value.name=c('start','end'))

#    rowid Value interval start end
# 1:     1   212        1    82  97
# 2:     2    80        1    57  69
# 3:     1   212        2   195 220
# 4:     2    80        2    95 100
# 5:     1   212        3   409 411
# 6:     2    80        3   111 130

现在我们可以进行计算并在 rowid 上与 dt 合并:

dt[dt_melt[, as.integer(any(between(Value, start, end))), by='rowid'], on='rowid']

#    Value start1 start2 start3 end1 end2 end3 rowid V1
# 1:   212     82    195    409   97  220  411     1  1
# 2:    80     57     95    111   69  100  130     2  0

使用 tidyverse 的解决方案。最终输出在 dt3 数据框的 InRange 列中。

# Create example data frame
dt <- read.table(text = "Value  start1  start2  start3  end1  end2  end3
212    82      195     409     97    220   411
                 80     57      95      111     69    100   130",
                 header = TRUE, stringsAsFactors = FALSE)

# Load packages
library(tidyverse)

# Process the data
dt2 <- dt %>% mutate(GroupID = 1:n()) 

dt3 <- dt2 %>%
  gather(StartEnd, Number, -Value, -GroupID) %>%
  mutate(Type = gsub("[0-9]", "", StartEnd),
         ID = gsub("[a-z]", "", StartEnd)) %>%
  select(-StartEnd) %>%
  spread(Type, Number) %>%
  mutate(InRange = ifelse(Value >= start & Value <= end, 1, 0)) %>%
  group_by(GroupID) %>%
  summarise(InRange = max(InRange)) %>%
  right_join(dt2, by = "GroupID")

请注意,我创建了 GroupID 列以确保 Value 列中的重复值(如果有)不会影响分析。但是,如果您确定没有重复值,则可以使用以下代码,而无需创建 GroupID 列。 dt2 是最终输出。

# Process the data
dt2 <- dt %>%
  gather(StartEnd, Number, -Value) %>%
  mutate(Type = gsub("[0-9]", "", StartEnd),
         ID = gsub("[a-z]", "", StartEnd)) %>%
  select(-StartEnd) %>%
  spread(Type, Number) %>%
  mutate(InRange = ifelse(Value >= start & Value <= end, 1, 0)) %>%
  group_by(Value) %>%
  summarise(InRange = max(InRange)) %>%
  right_join(dt, by = "Value")