用 R 检测列中的模式答案

【问题标题】：Detect a pattern in a column with R用 R 检测列中的模式
【发布时间】：2018-07-04 17:55:13
【问题描述】：

我试图计算一个人从一份工作转到另一份工作的次数。这可以在每次 Job 列具有此模式 1 -> 0 -> 1 时计算。

在这个例子中，它发生了一个旋转：

Person Job
  A     1
  A     0
  A     1
  A     1

在另一个例子中，B 也有一个轮换。

按人在新列“轮换”中衡量这种模式的好方法是什么？

    Person Job  Rotation
      A     1      0
      A     0      0
      A     1      1
      A     1      1
      B     1      0
      B     0      0
      B     0      0
      B     1      1

【问题讨论】：

为什么是Rotation[4] == 1？
因为它是累积的。每行代表一个学期。这意味着，在 2 年内，A 人轮换了 1 次

标签： r dplyr tidyverse

【解决方案1】：

您可以使用正则表达式来捕获具有101 的组并将其计为 1。因此您可以使用 pattern="(?<=1)0+(?=1)" 其中对于所有零，检查它们是否以 1 开头并以 1 为后缀

library(tidyverse)
df%>%
   group_by(Person)%>%
   mutate(Rotation=str_count(accumulate(Job,str_c,collapse=""),"(?<=1)0+(?=1)"))
# A tibble: 12 x 3
# Groups:   Person [3]
   Person   Job Rotation
   <fct>  <int>    <int>
 1 A          1        0
 2 A          0        0
 3 A          1        1
 4 A          1        1
 5 B          1        0
 6 B          0        0
 7 B          0        0
 8 B          1        1
 9 C          0        0
10 C          1        0
11 C          0        0
12 C          1        1

【讨论】：

【解决方案2】：

一种解决方案是将lag 与default = 0 一起使用，并在值从0 变为1 时计算条件的累积和。只需从cumsum 中减去1 即可获得旋转。

使用dplyr的解决方案可以是：

library(dplyr)

df %>% group_by(Person) %>%
  mutate(Rotation = cumsum(lag(Job, default = 0) == 0 & Job ==1) - 1) %>%
  as.data.frame()

#   Person Job Rotation
# 1      A   1        0
# 2      A   0        0
# 3      A   1        1
# 4      A   1        1
# 5      B   1        0
# 6      B   0        0
# 7      B   0        0
# 8      B   1        1

数据：

df <- read.table(text ="
Person Job
A     1
A     0
A     1
A     1
B     1
B     0
B     0 
B     1",
header = TRUE, stringsAsFactors = FALSE)

【讨论】：

【解决方案3】：

这是data.table的选项

library(data.table)
setDT(df)[, Rotation := +(grepl("101", do.call(paste0,
                       shift(Job, 0:.N, fill = 0)))), Person]
df
#    Person Job Rotation
# 1:      A   1       0
# 2:      A   0       0
# 3:      A   1       1
# 4:      A   1       1
# 5:      B   1       0
# 6:      B   0       0
# 7:      B   0       0
# 8:      B   1       0
# 9:      C   0       0
#10:      C   1       0
#11:      C   0       0
#12:      C   1       1

base R 选项将是

f1 <- function(x) Reduce(paste0, x, accumulate = TRUE)
df$Rotation <- with(df, +grepl("101", ave(Job, Person, FUN = f1)))

数据

df <- data.frame(Person = rep(c("A", "B", "C"), each = 4L),
                 Job = as.integer(c(1,0,1,1,
                                    1,0,0,1,
                                    0,1,0,1)))

【讨论】：

【解决方案4】：

我假设如果一个人开始失业，他们得到的第一份工作不算轮换。在这种情况下：

library(dplyr)

rotation <- function(x) {
    # this will have 1 when a person got a new job
    dif <- c(0L, diff(x))
    dif[dif < 0L] <- 0L
    if (x[1L] == 0L) {
        # unemployed at the beginning,
        # first job doesn't count as change from one to another
        dif[which.max(dif)] <- 0L
    }
    # return
    cumsum(dif)
}

df <- data.frame(Person = rep(c("A", "B", "C"), each = 4L),
                 Job = as.integer(c(1,0,1,1,
                                    1,0,0,1,
                                    0,1,0,1)))

df %>%
    group_by(Person) %>%
    mutate(Rotation = rotation(Job))
# A tibble: 12 x 3
# Groups:   Person [3]
   Person   Job Rotation
   <fct>  <int>    <int>
 1 A          1        0
 2 A          0        0
 3 A          1        1
 4 A          1        1
 5 B          1        0
 6 B          0        0
 7 B          0        0
 8 B          1        1
 9 C          0        0
10 C          1        0
11 C          0        0
12 C          1        1

【讨论】：