在R中的数据框中总结1和0的系列答案

【问题标题】：Summarising series of 1 and 0 in a dataframe in R在R中的数据框中总结1和0的系列
【发布时间】：2020-02-04 11:30:39
【问题描述】：

我想编写一个 R 代码来总结数据框中的 1 和 0 序列（基本上我需要将运行长度编码应用于列“值”），但我需要保留有关列“ID”的信息.

这是需要总结的数据框示例：

> df
   ID Values
1   1      0
2   2      0
3   3      0
4   4      1
5   5      1
6   6      1
7   7      1
8   8      0
9   9      0
10 10      0
11 11      1
12 12      0
13 13      0
14 14      1
15 15      0
16 16      0

这是预期的输出：

> df
  ID lengths values
1  1       3      0
2  4       4      1
3  8       3      0
4 11       1      1
5 12       2      0
6 14       1      1
7 15       2      0

有人可以帮我高效地写这个吗？

谢谢！

【问题讨论】：

看看rle()

标签： r dataframe run-length-encoding

【解决方案1】：

您可以使用 data.table 的分组和rleid 函数轻松做到这一点：

library(data.table)
setDT(df)
df[, .(ID = ID[1], lengths = .N, values = Values[1]), by = rleid(Values)]
#   rleid ID lengths values
#1:     1  1       3      0
#2:     2  4       4      1
#3:     3  8       3      0
#4:     4 11       1      1
#5:     5 12       2      0
#6:     6 14       1      1
#7:     7 15       2      0

【讨论】：

【解决方案2】：

library(tidyverse)

df %>%
  group_by(group = cumsum(Values != lag(Values, default = first(Values)))) %>%  
  summarise(ID = min(ID),
            lengths = n(),
            values = unique(Values)) %>%
  select(-group)

# # A tibble: 7 x 3
#      ID lengths values
#   <int>   <int>  <int>
# 1     1       3      0
# 2     4       4      1
# 3     8       3      0
# 4    11       1      1
# 5    12       2      0
# 6    14       1      1
# 7    15       2      0

【讨论】：

【解决方案3】：

这里是一个基于 R 的解决方案：

r <- rle(df$Values)

data.frame(ID=df$ID[1+cumsum(c(0, head(r$lengths, -1)))], r$lengths, r$values)
# > data.frame(ID=df$ID[1+cumsum(c(0, head(r$lengths, -1)))], r$lengths, r$values)
#   ID r.lengths r.values
# 1  1         3        0
# 2  4         4        1
# 3  8         3        0
# 4 11         1        1
# 5 12         2        0
# 6 14         1        1
# 7 15         2        0

【讨论】：

【解决方案4】：

另一个dplyrversion，可能更容易理解：

df %>%
    mutate(doesValueChange = Values - lag(Values) != 0) %>%
    mutate(doesValueChange = replace_na(doesValueChange, FALSE)) %>%
    mutate(sequenceNr = cumsum(doesValueChange)) %>%
    group_by(sequenceNr) %>%
    summarise(ID = first(ID)
              , lengths = n()
              , Values = first(Values))

【讨论】：