R: obliczanie offsetu różnic między elementami w ramce danych, z tym samym identyfikatorem

Question

Poniżej jest podzbiorem moich danych:

> 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)) 

że aby obliczyć inną wartość: różnica między końcem współrzędnych linii N i rozpocząć współrzędną linii n + 1, ale tylko wtedy, gdy oba elementy mają wspólną nazwę. Aby rozwinąć to, co chcę wynikające ramka danych wyglądać:

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 

Powód chcę, aby to zrobić jest to, że szukam wartości dist, które są pozytywne. Jednym ze sposobów, w jaki próbowałem tego dokonać, jest przesunięcie współrzędnych początkowych i końcowych, ale wtedy pojawia się problem, w którym porównuję rzeczy o różnych nazwach.

Jak to zrobić w R?

Answer 1

data.table rozwiązanie może być dobre tutaj:

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 

Zakładając, że dane są sortowane, można również z podstawowymi funkcjami R:

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

Answer 2

Korzystanie dplyr (z kredytu @thelatemail obliczania dist):

library(dplyr) 

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

Answer 3

Oto inne rozwiązanie dplyr:

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

podając:

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