Расчет выпуклой оболочки для каждой группы в R
У меня есть следующий набор данных:
structure(list(time = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,
3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L),
x = c(40.8914337158203, 20.0796813964844, 13.9093618392944,
17.1513957977295, 18.5109558105469, 40.7868537902832, 19.9750995635986,
13.804780960083, 16.8376483917236, 18.4063758850098, 40.6822700500488,
19.7659358978271, 13.7001991271973, 16.6284866333008, 18.3017921447754,
40.5776901245117, 19.66135597229, 13.5956182479858, 16.3147411346436,
18.1972122192383, 40.5776901245117, 19.5567722320557, 13.4910354614258,
16.1055774688721, 17.9880485534668), y = c(0.603550314903259,
-8.24852085113525, 9.65680503845215, -19.0118350982666, 6.43787002563477,
0.704141974449158, -8.34911251068115, 9.75739574432373, -19.2130165100098,
6.43787002563477, 0.704141974449158, -8.44970417022705, 9.75739574432373,
-19.5147914886475, 6.43787002563477, 0.704141974449158, -8.65088748931885,
9.85798835754395, -19.8165683746338, 6.33727836608887, 0.704141974449158,
-8.85207080841064, 9.85798835754395, -20.1183433532715, 6.33727836608887
), object = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L,
2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L)), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -25L), .Names = c("time",
"x", "y", "object"))
Теперь я хотел бы рассчитать выпуклую оболочку (используя chull функция) для каждого значения time и сохранить его в том же наборе данных (как я хотел бы сделать график с ggplot2 затем). я могу использовать chull для каждого значения времени, используя с
chull(filter(data_sample, time == 1)$x, filter(data_sample, time == 1)$y)
который возвращает вектор 4 3 1, Поэтому я подумал, что я могу сначала сгруппировать по времени и рассчитать точки выпуклой оболочки внутри групп с чем-то вроде
data_sample %>% group_by(time) %>% summarise(pts = chull(data_sample$x, data_sample$y))
Проблема в том, что я не могу сохранить вектор подряд. Хранение каждой из вершин в отдельном столбце было бы вариантом, но следующее
data_sample %>% group_by(time) %>% summarise(pt1 = chull(data_sample$x, data_sample$y)[1])
не дает разумных результатов. Итак, мои вопросы:
1. Как я могу сохранить вектор для каждой строки в одном столбце? Я прочитал, что у тибблов может быть столбец списка, но как я могу создать это в моем случае?
2. Что не так с моей попыткой вычислить chull в каждой группе?
- (дополнительный вопрос, если можно) Почему на самом деле
data_sample %>% filter(time == 1) %>% chull(.$x, .$y)не работает? Это потому чтоchullне предназначен для работы с трубами иdplyr?
3 ответа
Поскольку chull дает вам индексы на исходных данных, вы, вероятно, хотите сохранить координаты на ходу, что означает, что вы, вероятно, не должны использовать summarize, Я предлагаю вам перейти с "вложенной" концепции, как это сделано с tidyr, Первый шаг - вложение ваших данных:
library(tidyr)
data_sample %>%
group_by(time) %>%
nest()
# # A tibble: 5 × 2
# time data
# <int> <list>
# 1 1 <tibble [5 × 3]>
# 2 2 <tibble [5 × 3]>
# 3 3 <tibble [5 × 3]>
# 4 4 <tibble [5 × 3]>
# 5 5 <tibble [5 × 3]>
Отсюда нужно просто вычислить оболочку (которая вернет вектор индексов), а затем вывести соответствующие строки в указанном порядке. Это выиграет от map функции, предоставляемые purrr:
library(purrr)
data_sample %>% data_sample %>%
group_by(time) %>%
nest() %>%
mutate(
hull = map(data, ~ with(.x, chull(x, y))),
out = map2(data, hull, ~ .x[.y,,drop=FALSE])
)
# # A tibble: 5 × 4
# time data hull out
# <int> <list> <list> <list>
# 1 1 <tibble [5 × 3]> <int [3]> <tibble [3 × 3]>
# 2 2 <tibble [5 × 3]> <int [3]> <tibble [3 × 3]>
# 3 3 <tibble [5 × 3]> <int [3]> <tibble [3 × 3]>
# 4 4 <tibble [5 × 3]> <int [3]> <tibble [3 × 3]>
# 5 5 <tibble [5 × 3]> <int [3]> <tibble [3 × 3]>
(Вы должны быть в состоянии сойти с того, чтобы поместить оба задания в один mutate, я
Отсюда вы можете превратить его в нужные вам координаты, убрав ненужные столбцы и сняв их:
data_sample %>%
group_by(time) %>%
nest() %>%
mutate(
hull = map(data, ~ with(.x, chull(x, y))),
out = map2(data, hull, ~ .x[.y,,drop=FALSE])
) %>%
select(-data) %>%
unnest()
# # A tibble: 15 × 5
# time hull x y object
# <int> <int> <dbl> <dbl> <int>
# 1 1 4 17.15140 -19.0118351 4
# 2 1 3 13.90936 9.6568050 3
# 3 1 1 40.89143 0.6035503 1
# 4 2 4 16.83765 -19.2130165 4
# 5 2 3 13.80478 9.7573957 3
# 6 2 1 40.78685 0.7041420 1
# 7 3 4 16.62849 -19.5147915 4
# 8 3 3 13.70020 9.7573957 3
# 9 3 1 40.68227 0.7041420 1
# 10 4 4 16.31474 -19.8165684 4
# 11 4 3 13.59562 9.8579884 3
# 12 4 1 40.57769 0.7041420 1
# 13 5 4 16.10558 -20.1183434 4
# 14 5 3 13.49104 9.8579884 3
# 15 5 1 40.57769 0.7041420 1
(Я продолжал hull здесь для демонстрационных целей; вы, вероятно, можете select(-data, -hull) выше, так как вы будете иметь то, что вам нужно, особенно если избыточно с object.)
Для вашего последнего вопроса вы могли бы сделать один из следующих:
filter(data_sample, time == 1) %>%
with(., chull(x, y))
with(filter(data_sample, time == 1), chull(x, y))
Вы можете просто передать функцию chull внутри списка:
df <- df %>%
group_by(time) %>%
mutate(chull_val = list(chull(x,y)))
Если вы не хотите работать со столбцами списка *, вы можете рассмотреть возможность использования (более гибкого) data.table,
library(data.table)
setDT(d)
d[d[ , .I[chull(x, y)], by = time]$V1]
Объяснение: преобразовать ваши данные в data.table (setDT(d)). За каждый раз (by = time), рассчитать chull индексы и выберите соответствующие строки (.I) (см. здесь).
Если вы хотите построить chull полигоны, вам нужно добавить первый индекс, чтобы закрыть полигон.
d2 <- d[ , {
# for each time (by = time):
# compute the indices lying on the convex hull
ix <- chull(x, y)
# use indices to select data of each subset (.SD)
# possibly also add the first coordinate to close the polygon for plotting
.SD[c(ix, ix[1])]}, by = time]
# plot chull and original polygons
library(ggplot2)
ggplot(d2, aes(x, y, fill = factor(time))) +
geom_polygon(alpha = 0.2) +
geom_polygon(data = d, alpha = 0.2)
*Связанные с dplyr проблемы: суммирование глаголов с выходами переменной длины, необязательный параметр для управления длиной суммирования.