如何获取DataFrame中各total_turn_angle对应的T的起止值？

问题描述 #

现有包含compID、total_turn_angle、T三个变量的R DataFrame：

• compID为唯一分组标识
• total_turn_angle的有效值仅出现在对应连续T区间的中点行，其余行值为NA
• 需要按compID分组，提取每个有效total_turn_angle对应的T区间的起始值和结束值

示例输入DataFrame：

structure(list(compID = c("d0627-Cc010-27", "d0627-Cc010-27", 
"d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", 
"d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", 
"d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", 
"d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", "d0627-Cc010-27", 
"d0627-Cc010-27", "d0627-Cc010-27"), total_turn_angle = c(NA, 
NA, NA, NA, NA, -6.45412963, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, -6.434909322, NA, NA, NA, NA), T = c(1L, 2L, 3L, 4L, 5L, 
6L, 7L, 8L, 9L, 10L, 35L, 36L, 37L, 38L, 39L, 40L, 41L, 42L, 
43L, 44L)), class = "data.frame", row.names = c(NA, -20L))

期望输出：

compID          total_turn_angle    start   end
d0627-Cc010-27  -6.454130           1       10
d0627-Cc010-27  -6.434909           35      44

实现方案 #

方法1：使用dplyr包（适合常规数据处理） #

library(dplyr)

df %>%
  group_by(compID) %>%
  # 为每个连续T区间创建分组标记：遇到非NA角度值则递增分组ID
  mutate(interval_group = cumsum(!is.na(total_turn_angle))) %>%
  filter(interval_group > 0) %>% # 过滤无有效角度的区间
  group_by(compID, interval_group) %>%
  summarise(
    total_turn_angle = first(na.omit(total_turn_angle)), # 提取区间对应的角度值
    start = min(T),
    end = max(T),
    .groups = "drop"
  ) %>%
  select(-interval_group) # 移除临时分组标记

方法2：使用data.table包（适合大型数据集，效率更高） #

library(data.table)

setDT(df)

df[, 
   .(total_turn_angle = na.omit(total_turn_angle)[1],
     start = min(T),
     end = max(T)),
   by = .(compID, interval_group = cumsum(!is.na(total_turn_angle)))
   ][interval_group > 0, !"interval_group"] # 过滤无效分组并移除标记

核心逻辑说明 #

• 利用cumsum(!is.na(total_turn_angle))生成区间分组ID：每遇到一个非NA的total_turn_angle，分组ID递增，后续同属一个连续T区间的行共享该ID。
• 通过分组聚合，提取每个区间的最小T（起始值）、最大T（结束值），以及对应的有效角度值。
• 两种方法均支持多compID的批量处理，自动保留分组对应关系。

内容的提问来源于stack exchange，提问作者Kaye11