将整数向量分组为连续运行答案

【问题标题】：Group integer vector into consecutive runs将整数向量分组为连续运行
【发布时间】：2018-11-04 21:41:59
【问题描述】：

我有两个整数向量。我想确定第二个向量中以第一个向量为条件的连续整数序列的间隔（这个向量可以看作是一个因子，通过它可以将第二个向量分为几组）。

在这里，我为我的问题提出了一个假人。

数据，在第二个向量的一组（由第一个向量定义）中，整数单调递增。

my.data <- data.frame(
    V1=c(rep(1, 10), rep(2, 9), rep(3,11)), 
    V2=c(seq(2,5), seq(7,11), 13, seq(4, 9), seq(11,13), seq(1, 6), seq(101, 105))
)

我想要什么：

输出区间的开始和结束
这里，第一列是分组，第二列是开始整数，第三列是结束整数。

预期结果：

1, 2, 5 \n
1, 7, 11 \n
1, 13, 13 \n
2, 4, 9 \n
2, 11, 13 \n
3, 1, 6 \n
3, 101, 105 \n

【问题讨论】：

标签： r aggregate

【解决方案1】：

这是一个使用聚合的简短答案......

runs <- cumsum( c(0, diff(my.data$V2) > 1) )
aggregate(V2 ~ runs + V1, my.data, range)[,-1]


  V1 V2.1 V2.2
1  1    2    5
2  1    7   11
3  1   13   13
4  2    4    9
5  2   11   13
6  3    1    6
7  3  101  105

【讨论】：

【解决方案2】：

不久前，我写了一个rle() 的变体，我将其命名为seqle()，因为它允许人们查找整数序列而不是重复。然后，你可以这样做：

Rgames: seqle(my.data[my.data$V1==1,2]) #repeat for my.data$V1 equal to 2 and 3
$lengths 
[1] 4 5 1 

$values 
[1]  2  7 13

（例如）。将这些结果转换为您想要的表格形式需要一些麻烦，但只是想我会提到它。顺便说一句，这是seqle 的代码。如果你设置incr=0，你会得到基本的rle结果。

function(x,incr=1){ 

    if(!is.numeric(x)) x <- as.numeric(x) 
    n <- length(x)  
    y <- x[-1L] != x[-n] + incr 
    i <- c(which(y|is.na(y)),n) 
    list( lengths = diff(c(0L,i)),  values = x[head(c(0L,i)+1L,-1L)]) 
}

编辑：flodel 在How to check if a vector contains n consecutive numbers 提供了一个很好的升级。他指出，这个版本在处理双精度时存在常见的浮点错误问题，并提供了修复。

【讨论】：

我在this answer中使用了你的好功能。
(+1) 非常好用的功能！

【解决方案3】：

这是一个例子：

library(plyr)

ddply(my.data, .(V1), 
 function(x) data.frame(do.call("rbind", tapply(x$V2, cumsum(c(T, diff(x$V2)!=1)), 
   function(y) c(min(y), max(y))))))

也许，太复杂了，但重要的是cumsum(c(T, diff(x$V2)!=1))。

> ddply(my.data, .(V1), 
+  function(x) data.frame(do.call("rbind", tapply(x$V2, cumsum(c(T, diff(x$V2)!=1)), 
+    function(y) c(min(y), max(y))))))
  V1  X1  X2
1  1   2   5
2  1   7  11
3  1  13  13
4  2   4   9
5  2  11  13
6  3   1   6
7  3 101 105

【讨论】：

很高兴看到我们的思路相似。

【解决方案4】：

这是使用plyr 包中的ddply 的解决方案。基本思路是看diff(x)何时不为1，从而找到转换点。

ddply(
  my.data,
  .(V1),
  summarise,
  lower =
  {
    cut_points <- which(diff(V2) != 1)
    V2[c(1, cut_points + 1)]
  },
  upper =
  {
    cut_points <- which(diff(V2) != 1)
    V2[c(cut_points, length(V2))]
  }
)

【讨论】：

【解决方案5】：

my.data$run <- ave(my.data$V2, my.data$V1, FUN=function(x) c(1, diff(x)))
strstp <- by(my.data, list(my.data$V1), 
                 FUN=function(x) list(
                           starts=c( head(x$V2,1), x$V2[x$run != 1]), 
                           stops=c(x$V2[which(x$run != 1)-1], tail(x$V2, 1))))
> strstp
: 1
$starts
[1]  2  7 13

$stops
[1]  5 11 13

------------------------------------------------------------- 
: 2
$starts
[1]  4 11

$stops
[1]  9 13

------------------------------------------------------------- 
: 3
$starts
[1]   1 101

$stops
[1]   6 105

【讨论】：