满足条件时计算范围内的向量元素答案

【问题标题】：Count vector elements in range when condition is met满足条件时计算范围内的向量元素
【发布时间】：2018-04-25 22:10:48
【问题描述】：

我有一个数字向量：

x <- c(0, 0, 0, 30, 60, 0, 0, 0, 0, 0, 10, 0, 0, 15, 45, 0, 0)

对于x中的每个元素i，我想做以下操作

如果x[i] > 0，返回0
如果x[i]之前的4个元素都是0，返回NA
如果x[i]之前的4个元素不是0，计算最后一个not-0元素和x[i]之间有多少个元素

我期望这个输出：

#> x
#[1]  0  0  0 30 60  0  0  0  0  0 10  0  0 15 45  0  0
#> x_out
#[1] NA NA NA  0  0  1  2  3  4 NA  0  1  2  0  0  1  2

请注意，当向量开头的可用元素少于 4 个时，该解决方案也应该有效（即条件 2 和 3 应该使用尽可能多的可用元素）。有人对此有解决方案吗？首选矢量化方法，因为矢量很长且数据集相当大。

【问题讨论】：

为什么前3个NA？你说如果x[i]之前的所有4个元素都是0，返回NA（我假设x[i]是最后一个非零值）
@Sotos vectorization 标签有什么问题？
请参阅我的问题的最后第四行：对于没有 4 个元素可用的位置，该函数应使用尽可能多的可用位置。所以第一个位置只有1个，第二个位置2个，第三个位置3个，从第4个位置开始4个位置。
@piptoma 好的，知道了
您对使用 Rcpp 有限制吗？因为，既然你还在处理这个问题，我认为你最好在 Rcpp 中编写一个简单的循环。

标签： r vector vectorization sequence

【解决方案1】：

这是一个简单的 Rcpp 解决方案。在 RStudio 中创建一个新的 C++ 文件并将代码粘贴到其中并获取文件。显然，如果您使用 Windows，则需要安装 Rtools。

#include <Rcpp.h>
using namespace Rcpp;    

// [[Rcpp::export]]
IntegerVector funRcpp(const IntegerVector x) {
  const double n = x.length();
  int counter = 4;
  IntegerVector y(n);

  for (double i = 0; i < n; ++i) {
    if (x(i) > 0) {
      y(i) = 0;
      counter = 0;
    }
    else {
      if (counter > 3) {
        y(i) = NA_INTEGER;
      } else {
        counter++;
        y(i) = counter;
      }
    }
  }

  return y;
}


/*** R
x <- c(0, 0, 0, 30, 60, 0, 0, 0, 0, 0, 10, 0, 0, 15, 45, 0, 0)
funRcpp(x)
*/

这将返回所需的结果：

> funRcpp(x)
 [1] NA NA NA  0  0  1  2  3  4 NA  0  1  2  0  0  1  2

【讨论】：

【解决方案2】：

这是我目前的做法：

library(dplyr)
last_x_months <- 4
my_list       <- vector("list", 1 + last_x_months)
my_list[[1]]  <- x

# create lagged variants of vector
for (j in seq_along(1:last_x_months)) {
  my_list[[1 + j]] <- lag(my_list[[1]], n = j, default = NA)
}

# row bind it to a data.frame
i_dat <- do.call(rbind, my_list) %>% 
  as.data.frame()

# apply function to each column in dataframe
sapply(i_dat, function(x) {
  if (sum(x, na.rm = TRUE) == 0) {
    NA
  } else if (x[1] > 0) {
    0
  } else {
    rle(x)$lengths[1]
  }
})

这是我得到的输出：

#> output
#[1] NA  NA  NA   0   0   1   2   3   4  NA   0   1   2   0   0   1   2

这是一种好的做法，还是我可以使用快捷方式提高性能？在性能优化方面我非常缺乏经验，这就是我提出这个问题的原因。

【讨论】：