获取重复 # 次的所有元素的索引的最佳方法是什么？我想识别重复超过 2 次的元素。
rle() 和 rleid() 都提示我需要的值，但两种方法都没有直接给我索引。
我想出了这个代码：
t1 <- c(1, 10, 10, 10, 14, 37, 3, 14, 8, 8, 8, 8, 39, 12)
t2 <- lag(t1,1)
t2[is.na(t2)] <- 0
t3 <- ifelse(t1 - t2 == 0, 1, 0)
t4 <- rep(0, length(t3))
for (i in 2:length(t3)) t4[i] <- ifelse(t3[i] > 0, t3[i - 1] + t3[i], 0)
which(t4 > 1)
返回：
[1] 4 11 12
这些是我需要的值。
有没有更合适的 R 函数？
本
【问题讨论】：
data.table 的一个选项。当 n = 2 时，没有真正的理由使用它来代替 lag/shift，但对于较大的 n，这将避免您创建大量新的滞后向量。
library(data.table)
which(rowid(rleid(t1)) > 2)
# [1] 4 11 12
解释：
rleid 将为每个相等值的“运行”生成一个唯一值，rowid 将标记每个元素有多少元素“进入”运行。您想要的是超过 2 个“进入”运行的元素。
data.table(
t1,
rleid(t1),
rowid(t1))
# t1 V2 V3
# 1: 1 1 1
# 2: 10 2 1
# 3: 10 2 2
# 4: 10 2 3
# 5: 14 3 1
# 6: 37 4 1
# 7: 3 5 1
# 8: 14 6 2
# 9: 8 7 1
# 10: 8 7 2
# 11: 8 7 3
# 12: 8 7 4
# 13: 39 8 1
# 14: 12 9 1
编辑：如果，如this question提出的示例，没有两次运行（甚至长度为1“运行”）具有相同的值（或者如果您不关心重复项是否彼此相邻），你可以改用which(rowid(t1) > 2)。 （这在 cmets 中被 Frank 指出）
希望这个例子能阐明差异
a <- c(1, 1, 1, 2, 2, 1)
which(rowid(a) > 2)
# [1] 3 6
which(rowid(rleid(a)) > 2)
# [1] 3
【讨论】：
which(data.table::rowid(t1) > 2) 也给出了正确的结果。 （...我不确定 OP 的“连续”是指重复多次还是立即重复）
您可以使用dplyr::lag 或data.table::shift（注意，shift 的默认值是滞后的，所以shift(t1, 1) 等于shift(t1, 1, type = "lag")：
which(t1 == lag(t1, 1) & lag(t1, 1) == lag(t1, 2))
[1] 4 11 12
# Or
which(t1 == shift(t1, 1) & shift(t1, 1) == shift(t1, 2))
[1] 4 11 12
如果您需要它来扩展多个副本，您可以执行以下操作（感谢@IceCreamToucan 的提示）：
n <- 2
df1 <- sapply(0:n, function(x) shift(t1, x))
which(rowMeans(df1 == df1[,1]) == 1)
[1] 4 11 12
【讨论】：
这通常是rle有用的情况，即
v1 <- rle(t1)
i1 <- seq_along(t1)[t1 %in% v1$values[v1$lengths > 2]]
i2 <- t1[t1 %in% v1$values[v1$lengths > 2]]
tapply(i1, i2, function(i) tail(i, -2))
#$`8`
#[1] 11 12
#$`10`
#[1] 4
您可以取消列出并将其作为向量获取，
unlist(tapply(i1, i2, function(i) tail(i, -2)))
#81 82 10
#11 12 4
data.table 包中还有一个函数叫rleid，我们可以使用，
unlist(lapply(Filter(function(i) length(i) > 2, split(seq_along(t1), data.table::rleid(t1))),
function(i) tail(i, -2)))
#2 71 72
#4 11 12
【讨论】：
涉及rle() 的另一种可能性可能是：
pseudo_rleid <- with(rle(t1), rep(seq_along(values), lengths))
which(ave(t1, pseudo_rleid, FUN = function(x) seq_along(x) > 2) != 0)
[1] 4 11 12
【讨论】：
rleid 可能会混淆，尤其是使用 data.table::rleid 函数的其他答案。