R: Offset-Differenzen zwischen den Elementen in Datenrahmen Berechnung mit dem gleichen Identifikator

Question

Unten ist eine Teilmenge von meinen Daten:

> head(dt) 

    name start  end 
1: 1 3195984 3197398 
2: 1 3203519 3205713 
3: 2 3204562 3207049 
4: 2 3411782 3411982 
5: 2 3660632 3661579 
6: 3 3638391 3640590 

dt <- data.frame(name = c(1, 1, 2, 2, 2, 3), start = c(3195984, 
3203519, 3204562, 3411782, 3660632, 3638391), end = c(3197398, 
3205713, 3207049, 3411982, 3661579, 3640590)) 

Ich mag eine anderen Wert berechnen: die Differenz zwischen dem Ende der Zeile n-Koordinate und der Startkoordinate von Zeile n + 1, aber nur wenn beide Elemente einen Namen teilen. Auszuarbeiten das ist, was ich will ein resultierendes Datenrahmen wie folgt aussehen:

name start  end dist 
1: 1 3195984 3197398 
2: 1 3203519 3205713 -6121 
3: 2 3204562 3207049 
4: 2 3411782 3411982 −204733 
5: 2 3660632 3661579 −248650 
6: 3 3638391 3640590 

Der Grund, warum ich dies tun wollen, ist, dass ich für dist Werte bin auf der Suche, die positiv sind. Eine Möglichkeit, die ich versucht habe, ist, die Anfangs- und Endkoordinaten auszugleichen, aber dann stoße ich auf ein Problem, bei dem ich Dinge mit verschiedenen Namen vergleiche.

Wie macht man das in R?

Answer 1

A data.table Lösung hier gut sein kann:

library(data.table) 
dt <- as.data.table(dt) 
dt[, dist := c(NA, end[-(length(end))] - start[-1]) , by=name] 
dt 

# name start  end dist 
#1: 1 3195984 3197398  NA 
#2: 1 3203519 3205713 -6121 
#3: 2 3204562 3207049  NA 
#4: 2 3411782 3411982 -204733 
#5: 2 3660632 3661579 -248650 
#6: 3 3638391 3640590  NA 

Vorausgesetzt, dass Ihre Daten sortiert sind, können Sie auch tun Sie es mit Basis R-Funktionen:

dt$dist <- unlist(
    by(dt, dt$name, function(x) c(NA, x$end[-(length(x$end))] - x$start[-1])) 
) 

Answer 2

Mit dplyr (mit Kredit für die Berechnung des dist @thelatemail):

library(dplyr) 

dat.new <- dt %.% 
    group_by(name) %.% 
    mutate(dist = c(NA, end[-(length(end))] - start[-1])) 

Answer 3

Hier ist eine andere dplyr Lösung:

dt %.% group_by(name) %.% mutate(dist = lag(end) - start) 

geben:

Source: local data frame [6 x 4] 
Groups: name 

    name start  end dist 
1 1 3195984 3197398  NA 
2 1 3203519 3205713 -6121 
3 2 3204562 3207049  NA 
4 2 3411782 3411982 -204733 
5 2 3660632 3661579 -248650 
6 3 3638391 3640590  NA