按连续索引合并 data.frame 行

Question

我有一个线性区间的data.frame ，其中每个区间也有一个数字索引：

df <- data.frame(id = c("id1","id20","id7","id12","id15"),
                 start = c(36, 41, 216, 234, 300),
                 end = c(21, 112, 263, 269, 340),
                 index = c(11, 12, 28, 29, 33))

其中df按index升序排序。

我想将其索引连续的每组行合并为一行，以便它们的id由 a 连接; , start是集合的最小start ， end是集合的最大end ， index也是集合的最大index 。

因此，对于上面的示例，合并后的data.frame将是：

merged.df <- data.frame(id = c("id1;id20","id7;id12","id15"),
                        start = c(36, 216, 300),
                        end = c(112, 269, 340),
                        index = c(12, 29, 33))

任何想法？

Answer 1

您可以使用cumsum(c(TRUE, diff(index) != 1))来识别索引在哪里是连续的。

library(dplyr)

df %>%
  group_by(grp = cumsum(c(TRUE, diff(index) != 1))) %>%
  summarise(id = paste(id, collapse = ";"),
            start = min(start), end = max(end),
            index = last(index)) %>%
  select(-grp)

# # A tibble: 3 × 4
#   id       start   end index
#   <chr>    <dbl> <dbl> <dbl>
# 1 id1;id20    36   112    12
# 2 id7;id12   216   269    29
# 3 id15       300   340    33