R Per l'intervallo di eliminazione loop delle righe da una stringa a una seconda stringa in una colonna

Question

Sto tentando di eliminare sequenze di righe da un frame di dati, la sequenza inizia con una stringa nota e termina con una stringa nota, ma il il contenuto e il numero delle file intermedie sono sconosciuti. Vorrei ripetere questa operazione sull'intero frame dei dati.

Ad esempio, se il frame di dati è come indicato di seguito, vorrei rimuovere le righe da tutte le istanze di StringA a StringB (incluso) ma mantenere le righe che seguono StringB fino alla ricorrenza successiva di StringA; per l'esempio di seguito, cioè, vorrei rimuovere le righe contenenti StringA, unknownC, unknownD, unknownS, StringB, ma quindi mantenere unknownK e unknownR, quindi continuare a eliminare StringA, unknownU, unknownP, StringB, ma mantenere unknownT.

Column 1 Column 2 
StringA  1 
unknownC 9 
unknownD 11 
unknownS 5 
StringB 7 
unknownK 6 
unknownR 1 
StringA 76 
unknownU 2 
unknownP 41 
StringB 3 
unknownT 9 

ho provato df2 <- df[1:which(df[,1]=="StringA")-1,], che non è corretto, ma sono in perdita come quello che altro approccio per provare. Grazie in anticipo per qualsiasi consiglio.

Answer 1

si può provare qualcosa di simile, costruendo l'indice di essere rimosso utilizzando la funzione Map:

indexToRemove <- unlist(Map(`:`, which(df$`Column 1` == "StringA"), 
           which(df$`Column 1` == "StringB"))) 

df[-indexToRemove, ] 
    Column 1 Column 2 
6 unknownK  6 
7 unknownR  1 
12 unknownT  9 

dati:

structure(list(`Column 1` = structure(c(1L, 3L, 4L, 8L, 2L, 5L, 
7L, 1L, 10L, 6L, 2L, 9L), .Label = c("StringA", "StringB", "unknownC", 
"unknownD", "unknownK", "unknownP", "unknownR", "unknownS", "unknownT", 
"unknownU"), class = "factor"), `Column 2` = c(1L, 9L, 11L, 5L, 
7L, 6L, 1L, 76L, 2L, 41L, 3L, 9L)), .Names = c("Column 1", "Column 2" 
), class = "data.frame", row.names = c(NA, -12L)) 

Answer 2

È possibile utilizzare un ciclo for. Anche se questo sarà più lento delle soluzioni vettorializzate pubblicate, ha alcuni vantaggi in termini di essere abbastanza versatile per adattarsi a problemi simili simili e di essere robusto contro i dati di input inaspettati.

Note:

1. Questo metodo è robusto contro stranezze nei dati di input - esso non dipende avendo sempre alternati e sempre accoppiato, STRINGA ... StringB coppie, né assume che STRINGA si verificherà sempre prima di StringB. Ogni volta che incontra StringA inizierà l'eliminazione delle righe finché non incontra StringB.
2. Sul lato negativo, l'utilizzo di questo metodo su frame di dati molto grandi potrebbe essere lento, in quanto stiamo aumentando un dataframe all'interno del ciclo (sempre garantito per rallentare grandi operazioni).

Il codice:

keep.line <- TRUE 
out.df <- data.frame() 

for (i in 1:NROW(my.df)) { 
    if (my.df[i,]$Column1 == "StringA") keep.line <- FALSE 
    if (keep.line) out.df <- rbind(out.df, my.df[i,]) 
    if (my.df[i,]$Column1 == "StringB") keep.line <- TRUE 
} 

out.df 
## Column1 Column2 
## unknownK 0.3679608 
## unknownR -0.8867749 
## unknownT 1.6277386 

Alcuni dati:

Column1 <-c( 
"StringA" ,  
"unknownC",  
"unknownD", 
"unknownS", 
"StringB" , 
"unknownK", 
"unknownR", 
"StringA" , 
"unknownU", 
"unknownP", 
"StringB" , 
"unknownT") 

my.df <- data.frame(Column1, Column2 = rnorm(12), stringsAsFactors = F) 

Answer 3

Utilizzando @ i dati di Psidom:

sel <- with(dat, 
    (cumsum(`Column 1`=="StringA") == cumsum(`Column 1`=="StringB")) 
    & 
    (!(`Column 1` %in% c("StringA","StringB"))) 
) 
dat[sel,] 

# Column 1 Column 2 
#6 unknownK  6 
#7 unknownR  1 
#12 unknownT  9 

Per fornire s oma spiegazione: utilizza cumsum per creare due contatori di quante volte sono stati visualizzati "StringA" e "StringB" in Column 1. Se i numeri corrispondono, significa che c'è stato 1 A e 1 corrispondente B.Come nei valori contrassegnati = sotto

cumsum(dat$`Column 1`=="StringA") 
#[1] 1 1 1 1 1 1 1 2 2 2 2 2 
cumsum(dat$`Column 1`=="StringB") 
#[1] 0 0 0 0 1 1 1 1 1 1 2 2 
#   = = =  = = 

Rimozione dei casi in cui è Column 1%in% uno degli obiettivi StringA/B corde finalizza esso.