使用R的相邻相关性对有序元素进行分组变量

Question

我有按顺序排列的“标记”变量，“标记”的后续成员之间的相关性在corr变量中提供。

markr <- c("A", "B", "C", "D", "E",  "g", "A1", "B1", "cc", "dd", 
     "f", "gg", "h", "K")
corr <- c(     1,   1,   1,   1, 0.96,   0.5,  0.96,        1 ,   1 ,  
       1 ,  0.85, 0.99, 1)

我需要基于corr将标记分组，而无需更改标记成员的顺序。 下图可以更好地解释该组：

corr大于0.95的标志标记的单个成员将在一组中。 当corr下降到小于0.95时从第一个值开始，然后开始第二组并继续直到corr再次下降到0.95以下，该过程继续到数据结束。 组变量由组中的第一个和最后一个成员命名，例如-Ag，A1-f，gg-k。

因此，预期输出是。

markr <- c("A", "B", "C", "D", "E",  "g", 
           "A1", "B1", "cc", "dd", "f", 
           "gg", "h", "K")
group <- c("A-g", "A-g", "A-g", "A-g","A-g", "A-g", 
           "A1-f",  "A1-f",  "A1-f",  "A1-f","A1-f", 
            "gg-k", "gg-k", "gg-k")
dataf <- data.frame (markr, group) 

dataf 

 markr group
1      A   A-g
2      B   A-g
3      C   A-g
4      D   A-g
5      E   A-g
6      g   A-g
7     A1  A1-f
8     B1  A1-f
9     cc  A1-f
10    dd  A1-f
11     f  A1-f
12    gg  gg-k
13     h  gg-k
14     K  gg-k

我有这么大的数据集，该如何自动执行此过程。

Answer 1

该组的数目是到目前为止我们看到的0.95以下的值的数目：

d1 <- data.frame(
  marker = markr,
  group = cumsum(c(1, corr < .95))
)

对于组名，您可以使用ddply将data.frame切成碎片，每组一个：然后可以轻松提取第一个和最后一个元素。

library(plyr)
d2 <- ddply( 
  d1, "group", summarize, 
  group_name=paste(head(marker,1), tail(marker,1), sep="-")
)
d <- merge(d1, d2, by="group")