Agregando valores não em grupo, com dplyr

votos
3

Considere-se um quadro de dados que capta os valores associados com um dado par de Cluster / Característica:

library(tidyverse)

set.seed(100)
X <- data_frame(Cluster = rep(1L:3L,2),
                Feature = rep(c(A,B), each=3),
                Values  = map(rep(11:13,2), rnorm) )
# # A tibble: 6 x 4
#    Cluster Feature Values
#      <int> <chr>   <list>
#  1       1 A       <dbl [11]>
#  2       2 A       <dbl [12]>
#  3       3 A       <dbl [13]>
#  4       1 B       <dbl [11]>
#  5       2 B       <dbl [12]>
#  6       3 B       <dbl [13]>

Estou interessado em criar uma nova coluna que, para qualquer par Cluster / Feature, consolida todos os valores deste recurso que estão em outros clusters. Por exemplo, a primeira entrada na tal uma coluna que não estão em cluster (NIC) deve conter os valores 25 que estão associadas com Característica A em clusters 2 e 3.

A seguir laço sobre linhas produzirá a resposta correta:

X$NIC <- map( 1:nrow(X), ~c() )
for(i in 1:nrow(X) ) {
  cl <- X$Cluster[i]
  f  <- X$Feature[i]
  X$NIC[[i]] <- filter( X, Cluster != cl, Feature == f ) %>%
                  pull(Values) %>% unlist
}
# # A tibble: 6 x 4
#   Cluster Feature Values     NIC
#     <int> <chr>   <list>     <list>
# 1       1 A       <dbl [11]> <dbl [25]>
# 2       2 A       <dbl [12]> <dbl [24]>
# 3       3 A       <dbl [13]> <dbl [23]>
# 4       1 B       <dbl [11]> <dbl [25]>
# 5       2 B       <dbl [12]> <dbl [24]>
# 6       3 B       <dbl [13]> <dbl [23]>

## Spot-checking
with( X, identical(NIC[[1]], unlist(Values[2:3])) )      # TRUE
with( X, identical(NIC[[5]], unlist(Values[c(4,6)])) )   # TRUE

Eu queria saber se existe uma maneira mais limpa de fazer isso com dplyrferramentas. Eu sinto que esta é uma configuração perfeita para uma group_bysolução, mas parece que é preciso haver algum cross-talk entre os grupos para que ele funcione.

Publicado 27/11/2018 em 18:08
fonte usuário
Em outras línguas...                            


1 respostas

votos
3

A chave é não group by Cluster, já que você quer iterar sobre clusters dentro Features.

library(dplyr)
library(purrr)

mutate(group_by(X, Feature),
       NIC = map(1:n(), ~ flatten_dbl(Values[-.])))
# # A tibble: 6 x 4
# # Groups:   Feature [2]
#   Cluster Feature Values     NIC       
#     <int> <chr>   <list>     <list>    
# 1       1 A       <dbl [11]> <dbl [25]>
# 2       2 A       <dbl [12]> <dbl [24]>
# 3       3 A       <dbl [13]> <dbl [23]>
# 4       1 B       <dbl [11]> <dbl [25]>
# 5       2 B       <dbl [12]> <dbl [24]>
# 6       3 B       <dbl [13]> <dbl [23]>
Respondeu 27/11/2018 em 20:04
fonte usuário

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more