如何在R中找到基于用户定义层次结构的向量的最大字符

Question

如何在R中找到基于用户定义层次结构的向量的最大字符?

我有一个变量，比如Code，我想对其施加层次结构，以便MSP<1A<1B<1C<2A<2B<2C<…<7C。我想在包含这些元素的向量上应用一个极大值函数。虽然对于那些形式为[数字][字母]的字符没有问题，但对于"MSP"有一个问题。在R中，max("2A"，"MSP")给出"MSP"，但我希望它是"2A"。

换句话说，R会这样对它进行排序:1A<…MSP。这是因为在R中，层次结构是"整数<双&>

Dataframe:

No<-rep(c(1,2,3),c(4,4,3))
Date<-rep(c("05/09/2013","20/05/2013","23/05/2013","28/05/2013","03/06/2013"),c(2,2,2,2,3))
Time<-rep(c("14:15:00","09:40:00","14:30:00","13:10:00","08:45:00"),c(2,1,3,2,3))
Code<-c("MSP","3A","5B",NA,NA,NA,"7C","3B","MSP","MSP",NA)
df<-data.frame(No,Date,Time,Code,stringsAsFactors=FALSE)
df$Date<-dmy(df$Date)
df$Time<-hms(df$Time)
df
    #     No       Date       Time Code
    # 1   1 2013-09-05 14H 15M 0S  MSP
    # 2   1 2013-09-05 14H 15M 0S   3A
    # 3   1 2013-05-20  9H 40M 0S   5B
    # 4   1 2013-05-20 14H 30M 0S <NA>
    # 5   2 2013-05-23 14H 30M 0S <NA>
    # 6   2 2013-05-23 14H 30M 0S <NA>
    # 7   2 2013-05-28 13H 10M 0S   7C
    # 8   2 2013-05-28 13H 10M 0S   3B
    # 9   3 2013-06-03  8H 45M 0S  MSP
    # 10  3 2013-06-03  8H 45M 0S  MSP
    # 11  3 2013-06-03  8H 45M 0S <NA>

我的代码:

我想在每个No和Date中对Code(基于用户定义的排名)取最大值。因此，共享相同No和相同Date的行将具有相同的Code。因此，我先将其分组。

我使用ifelse函数创建了一个名为CodeAnother的新变量。

1. 如果至少有一个"MSP"而不是所有元素都是"MSP"
2. Yes:通过排除"MSP"取最大函数

3. No:按常规方式取max函数

   library(dplyr)
   dfnew<-df %>%
      group_by(No,Date) %>%
      mutate(IndicatorMSP=(Code=="MSP" & !is.na(Code))) %>%
      mutate(CodeNo=sum(!is.na(Code))) %>%
      mutate(CodeAnother=ifelse(sum(IndicatorMSP)>=1 & sum(IndicatorMSP)<CodeNo,
                         max(Code[!(Code=="MSP") & !is.na(Code)]),
                         max(Code[!is.na(Code)])))
   

我想知道是否有一个更好的方法来实现这个使用更好的代码。

Answer 1

因素，这一次，是你的朋友:

重新排序字母的例子:

factoringVariable <- sample(letters)
> factoringVariable
[1] "z" "k" "p" "s" "f" "v" "j" "b" "o" "l" "u" "m" "w" "c" "n" "t" "r" "x" "a" "i" "y" "q" "h" "d" "e" "g"
> sort(factor(letters,levels = factoringVariable))
[1] z k p s f v j b o l u m w c n t r x a i y q h d e g

所以在你的情况下:

factoringVariable <- c('MSP', sort(unlist(outer(1:7,LETTERS[1:3],paste0))))
> factoringVariable
 [1] "MSP" "1A"  "1B"  "1C"  "2A"  "2B"  "2C"  "3A"  "3B"  "3C"  "4A"  "4B"  "4C"  "5A"  "5B"  "5C"  "6A"  "6B"  "6C"  "7A" 
[21] "7B"  "7C" 

现在我已经设置好了我的顺序:

df$Code <- factor(df$Code, levels = factoringVariable)

然后你可以使用top_n函数在dplyr(与-1得到底部1)

library(dplyr)
dfnew<-df %>%
  group_by(No,Date) %>%
  top_n(-1,Code)

输出:

> dfnew
Source: local data frame [5 x 4]
Groups: No, Date [4]
     No       Date     Time   Code
  <dbl>      <chr>    <chr> <fctr>
1     1 05/09/2013 14:15:00    MSP
2     1 20/05/2013 09:40:00     5B
3     2 28/05/2013 13:10:00     3B
4     3 03/06/2013 08:45:00    MSP
5     3 03/06/2013 08:45:00    MSP

编辑:我现在意识到你想分配所有的最大值，在这种情况下，我们不能使用top_n

:

library(dplyr)
dfnew<-df %>%
  group_by(No,Date) %>%
  mutate(CodeAll = sort(Code, partial = 1)[1])

编辑2:实际上你可以通过使用部分排序来加快它的速度(如果你需要速度)，因为无论如何你只会取第一个