这是我的 df(data.frame):
group1 group2 value
chr1 a 1
chr1 a 1
chr1 a 1
chr1 b 2.2
chr1 b 2.5
chr1 b 2.5
chr1 b 2.8
chr2 c 3.1
chr2 c -3.2
chr2 c -3.7
chr2 c -3.1
chr2 d 4
对于属于同一组2和组1的“值”列中的值，如果有超过3个连续值大于2或小于-2，则计算这些值的平均值，否则保留原始值。
输出应该是:
group1 group2 value mean
chr1 a 1 1 # does not change because it's smaller than 2
chr1 a 1 1
chr1 a 1 1
chr1 b 2.2 2.5 # mean of 2.2, 2.5, 2.5, 2.8
chr1 b 2.5 2.5
chr1 b 2.5 2.5
chr1 b 2.8 2.5
chr2 c 3.1 3.1 # not used for mean calculation above (different group)
chr2 c -3.2 -3.3 # mean of -3.2, -3.7, -3.1
chr2 c -3.7 -3.3
chr2 c -3.1 -3.3
chr2 d 4 4
感谢任何帮助。
最佳答案
使用末尾注释中可重复显示的 DF，使用 data.table 中的 rleid 创建分组变量。 data.table 不以其他方式使用。然后创建一个使用问题规则的 Mean 函数。最后将 Mean 应用于 g 的每个分量的 value。
library(data.table)
g <- with(DF, rleid((value > 2) - (value < 2), group1, group2))
Mean <- function(x) if ((all(x > 2) || all(x < -2)) && length(x) >= 3) mean(x) else x
transform(DF, value2 = ave(value, g, FUN = Mean))
给予:
group1 group2 value value2
1 chr1 a 1.0 1.000000
2 chr1 a 1.0 1.000000
3 chr1 a 1.0 1.000000
4 chr1 b 2.2 2.500000
5 chr1 b 2.5 2.500000
6 chr1 b 2.5 2.500000
7 chr1 b 2.8 2.500000
8 chr2 c 3.1 3.100000
9 chr2 c -3.2 -3.333333
10 chr2 c -3.7 -3.333333
11 chr2 c -3.1 -3.333333
12 chr2 d 4.0 4.000000
注意
Lines <- "group1 group2 value
chr1 a 1
chr1 a 1
chr1 a 1
chr1 b 2.2
chr1 b 2.5
chr1 b 2.5
chr1 b 2.8
chr2 c 3.1
chr2 c -3.2
chr2 c -3.7
chr2 c -3.1
chr2 d 4"
DF <- read.table(text = Lines, header = TRUE, strip.white = TRUE)
关于r - "mean"表示值大于 x 的连续行(按组)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60398840/