数数。 R中每组按顺序连续出现

Question

我有一个小程序问题，我似乎无法弄清楚。 我想知道如何以优雅的方式计算从 r 中每组的不同值开始的序列中连续数字的数量

例如，我们有一个包含名称和数字的数据框，并希望找到最小化数据框，每个名称仅保留 1 个条目，另一个中每个名称的连续条目数

names <- c(rep("bob",5), rep("henry",5), rep("maria",5))
goals <- c(1,2,3,5,4, 4,3,4,5,2, 1,2,4,6,5)
input.df <- data.frame(names, goals)

所以从 1 开始，输出数据框将类似于下面的那个，其中“bob”的值为 3，因为他在进球中有 1 到 3 个连续条目，亨利有 0，因为他没有 1或任何有序条目，玛丽亚有 2 个，因为她有从 1 到 2 的条目

names <- c("bob", "henry", "maria")
runs <- c("3", "0", "2")
output.df.from.1 <- data.frame(names, goals)

从 3 开始，bob 和 maria 都会有 0，但 henry 现在应该有 3，因为他有 3、4、5。

names <- c("bob", "henry", "maria")
runs <- c("0", "3", "0")
output.df.from.3 <- data.frame(names, goals)

我确信必须有一个简单的解决方案，但我无法找到任何解决方案，但是我可能正在寻找错误的东西。

有人有什么建议吗？

Answer 1

这是您答案的可能解决方案。思路是1）先找出每个人的（多个）连续数，然后2）给定一个值，从该值开始找出连续数的长度。

我稍微更改了您的示例数据，以考虑每个人可以有多个连续数字的情况。 （例如 bob 现在有数字 1,2,3,5,4, 7,8,9，连续的组是 1,2,3 和 7,8,9）。

1. 查找每个人的连续数字。第一组由names，在每个组中，找到goals 的上一个和下一个数字。如果是连续的，则为previous_goal - current_goal = -1 或next_goal - current_goal = 1。请注意，我同时使用了上一个/下一个，以便保留连续组中的所有值。

library(tidyverse)
names <- c(rep("bob",8), rep("henry",5), rep("maria",5))
goals <- c(1,2,3,5,4, 7,8,9, 4,3,4,5,2, 1,2,4,6,5)
df1 <- data.frame(names, goals) 

df2 <- df1 %>% 
  group_by(names) %>%  
  mutate(goals_lag = lag(goals) - goals) %>% 
  mutate(goals_lead = lead(goals) - goals) %>% 
  filter(goals_lag == -1 | goals_lead == 1) %>% 
  select(-goals_lag, -goals_lead)

1. 编写一个函数来计算从给定值开始的连续数字的长度。 在 bob 的情况下，有两个连续的组 1、2、3 和 7、8、9。如果给定值是 1，那么长度应该是 3 而不是 6。因此我们需要知道不同连续组的起始位置在哪里（对于组 7、8、9，起始索引为 4）。定位到给定值的位置后（如果给定值为1，则索引为1），我们可以用下一组的起始位置减去给定值位置（本例中4-1=3），就是这样计算长度）。

cons_len <- function(df, name, start_val){
  
# take goals as a vector
  vec <- (df %>% filter(names == name))$goals
# find the starting positions of different groups
  vec_stops <- which( (vec - c(vec[1] - 1, vec[-length(vec)])) != 1)
# find the index of the given value
  vec_start <- which(vec == start_val)
  
# if not find the value, return 0
  if (length(vec_start)==0) {
    return(0)
    
# if there is only one group of consecutive numbers
  } else if (length(vec_stops) == 0) {
    return(length(vec) - vec_start + 1)
    
  } else {
   
# if there are multiple groups of consecutive numbers
    len <- vec_stops[vec_start <= vec_stops][1] - vec_start
    return(ifelse(len == 1, 0, len))
  }
}

# apply to each name
sapply(unique(df1$names), function(name) cons_len(df2, name, 1))
# bob henry maria 
# 3     0     2 

sapply(unique(df1$names), function(name) cons_len(df2, name, 3))
# bob henry maria 
# 0     3     0