有条件的事件计数器

Question

下面是一个数据框df，它有1个变量ID，有500K个数据点，我需要在以下条件下实现event counter。
1。当 ID == A
2 时增加 event counter。尽管ID == A，但不应考虑前 3 个数据点作为计数器增量。
下面显示了具有预期输出的数据框df

ID       Event Counter  
D          0  
F          0  
V          0
A          0  
A          0  
A          0
A          1  
A          1  
A          1
V          1  
F          1  
A          1
A          1
A          1  
A          2  
F          2  
G          2 
A          2  
A          2  
A          2  
A          3  
A          3  

请注意：- 行号 1,2 和 3 不满足条件，因此 Event Counter 中没有增量。尽管ID ==A 在第 4,5 和 6 行，event counter 不会增加（参考：条件 2）。在行号 12,13 和 14 的情况下相同。

发现类似的问题，每次遇到满足条件的数据点时计数器都会增加，但我的实现条件不同。

Answer 1

您可以将zoo::rollsum 结合rle 用于此类任务：

library(zoo)
x <- rollsumr(df$ID == "A", k=4, fill = NA)
df$new <- with(rle(!is.na(x) & x == 4), rep(cumsum(values), lengths))

在这种情况下，k = 4 和 x == 4 意味着您需要 3 个 ID == "A" 的情况才能增加。您可以随意更改此号码。

结果等于你想要的输出：

all.equal(df$Event_counter, df$new)
#[1] TRUE

---

rle 部分返回：

rle(!is.na(x) & x == 4)
#Run Length Encoding
#  lengths: int [1:6] 6 3 5 1 5 2
#  values : logi [1:6] FALSE TRUE FALSE TRUE FALSE TRUE

现在我们可以 a) 计算值的累积和，即 0-1-1-2 ... b) 使用 rep 我们重复每个值的次数与每个序列的长度相同，即lengths。

Answer 2

这似乎是你想要的：

df = read.table(text="ID Event_counter 
D          0  
F          0  
V          0
A          0  
A          0  
A          0
A          1  
A          1  
A          1
V          1  
F          1  
A          1
A          1
A          1  
A          2  
F          2  
G          2 
A          2  
A          2  
A          2  
A          3  
A          3",header=TRUE)

indices = df$ID=="A"
reset.counter = indices!=c(NA,head(indices,-1))& indices==FALSE & c(NA,head(indices,-1))==TRUE
indices <- unname(split(indices, cumsum(seq_along(indices) %in% which(reset.counter))))
indices=unlist(lapply(indices, function(x) cumsum(x)==4 & x==TRUE))
df$Event_counter_check =  cumsum(indices)

输出

   ID Event_counter Event_counter_check
1   D             0                   0
2   F             0                   0
3   V             0                   0
4   A             0                   0
5   A             0                   0
6   A             0                   0
7   A             1                   1
8   A             1                   1
9   A             1                   1
10  V             1                   1
11  F             1                   1
12  A             1                   1
13  A             1                   1
14  A             1                   1
15  A             2                   2
16  F             2                   2
17  G             2                   2
18  A             2                   2
19  A             2                   2
20  A             2                   2
21  A             3                   3
22  A             3                   3

希望这会有所帮助！

Answer 3

这是使用 split 和 lapply 的基本 R 替代方案。

dat$v3 <-
  cumsum(unlist(lapply(split(dat$ID,
                           with(rle(as.character(dat$ID)), rep(seq_along(values), lengths))),
                       function(x) {
                         v <- length(x)
                         if(x[1] == "A" && v > 3) rep(c(0, 1, 0), c(3, 1, v-4))
                         else rep(0, v)
                       })))

使用与 docendo-discimus 的答案类似的方法拆分 ID 变量，拆分相同 ID 的运行。这个列表被提供给lapply，它检查组是否由 As 组成，以及组是否至少有 3 个元素。如果是这样，则返回一个具有 3 个 0 后跟一个 1 且其余元素为 0 的向量以匹配向量的长度。如果检查失败，则返回适当长度的 0 向量。

返回

dat
   ID Event_Counter v3
1   D             0  0
2   F             0  0
3   V             0  0
4   A             0  0
5   A             0  0
6   A             0  0
7   A             1  1
8   A             1  1
9   A             1  1
10  V             1  1
11  F             1  1
12  A             1  1
13  A             1  1
14  A             1  1
15  A             2  2
16  F             2  2
17  G             2  2
18  A             2  2
19  A             2  2
20  A             2  2
21  A             3  3
22  A             3  3