最长非零值字符串的总和答案

【问题标题】：Sum of longest string of non-zero values最长非零值字符串的总和
【发布时间】：2015-11-02 06:15:08
【问题描述】：

我有一个数据框，其中包含 1964 年至 2013 年期间 76 个站点的每日降雨量值。每一行是特定电台的不同月份。这是数据帧的 sn-p-

 Station     Year Month Days 1   2   3  4 5   6  7  8 9 10 11 12 13 14 15 16 17 18  19 20 21 22 23  24 25 26 27 28 29  30  31
USC00020750 1964     1   31 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0  25  0 23 51 36   0  0  0  0  0  0   0   0
USC00020750 1964     2   29 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0  48  0  0  0  3   0  0  0  0  0  0 Inf Inf
USC00020750 1964     3   31 0  46  51  0 0  36 41 46 0  0  0  0 43  0  0  0  0  0   0  0  0 53 99 140 36  0  0  0  0   0   0
USC00020750 1964     4   30 5  69  23 30 0  18  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0  33 13  0  0  0 15   0 Inf
USC00020750 1964     5   31 0   0   0  0 0   0 43  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0 51  8  0  0   0   0
USC00020750 1964     6   30 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0  0 38  0  0   0 Inf
USC00020750 1964     7   31 0   0   0  0 0   0  0  0 0  0  0  0 41  0 13 13  0  0   0  0  8 51  0  71  0 10  0  0 20 165  25
USC00020750 1964     8   31 8  30 137  0 0   5 89  0 0  0 18 64  5  0  0  0  0  0   0  0  0  0  0   0  0 76  0  0  0   0   0
USC00020750 1964     9   30 0   0   0  0 0 119  0  0 0  0  0  0  0 41 25  0  0  0   0  0 25  0  0   0  0  0  0  0  0   0 Inf
USC00020750 1964    10   31 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0  0  0  0  0   0   0
USC00020750 1964    11   30 0   5   0  0 0   0  0  0 0  0 91  0  0  0 36 94  0  0   0  0  0  0  0   0  0  0  0  0  0   0 Inf
USC00020750 1964    12   31 0 107  20  0 0   0  0  0 0  0  0  0  0  0  0  0  0 79 152  0  0  0  0   0  0  0  0  0  0   0   0

...

Station Year Month Days  1  2   3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28  29  30  31
USW00093129 2013    10   31  0  0   0  0  0  0  0  0 43 15  0  0 10  0  0  0  0  0  0  0  0  0  0  0  0  0  0 41   3   8   0
USW00093129 2013    11   30  0  0   0 23  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  3 79 18 20  0  0  0  0  0   0   0 Inf
USW00093129 2013    12   31  0  0 175 33  0  0  3  0  0  0  0  0  0  0  0  0  0  0  5 15  0  0  0  0  0  0  0  0   0   0   0

我正在尝试查找每行的最长非零降雨值段的长度以及该段的总降雨量。找到最长拉伸长度的最简单方法是将数据帧转换为 0 和 1，使用 rle 并沿每一行应用 max(y$lengths[y$values!=0])。但是我如何找到值的总和？感谢您提前提供帮助！

【问题讨论】：

您是否尝试过将apply 与MARGIN=1 一起使用。
@akrun 是的，我使用 MARGIN 参数将 rle 函数应用于每一行。但我不知道如何找到最长的非零值的总和。

标签： r

【解决方案1】：

不完全是单线，但这是可行的：

df <- read.table(header=TRUE,stringsAsFactors=FALSE,check.names=FALSE,text=
"Station     Year Month Days 1   2   3  4 5   6  7  8 9 10 11 12 13 14 15 16 17 18  19 20 21 22 23  24 25 26 27 28 29  30  31
USC00020750 1964     1   31 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0  25  0 23 51 36   0  0  0  0  0  0   0   0
USC00020750 1964     2   29 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0  48  0  0  0  3   0  0  0  0  0  0 Inf Inf
USC00020750 1964     3   31 0  46  51  0 0  36 41 46 0  0  0  0 43  0  0  0  0  0   0  0  0 53 99 140 36  0  0  0  0   0   0
USC00020750 1964     4   30 5  69  23 30 0  18  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0  33 13  0  0  0 15   0 Inf
USC00020750 1964     5   31 0   0   0  0 0   0 43  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0 51  8  0  0   0   0
USC00020750 1964     6   30 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0  0 38  0  0   0 Inf
USC00020750 1964     7   31 0   0   0  0 0   0  0  0 0  0  0  0 41  0 13 13  0  0   0  0  8 51  0  71  0 10  0  0 20 165  25
USC00020750 1964     8   31 8  30 137  0 0   5 89  0 0  0 18 64  5  0  0  0  0  0   0  0  0  0  0   0  0 76  0  0  0   0   0
USC00020750 1964     9   30 0   0   0  0 0 119  0  0 0  0  0  0  0 41 25  0  0  0   0  0 25  0  0   0  0  0  0  0  0   0 Inf
USC00020750 1964    10   31 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0  0  0  0  0   0   0
USC00020750 1964    11   30 0   5   0  0 0   0  0  0 0  0 91  0  0  0 36 94  0  0   0  0  0  0  0   0  0  0  0  0  0   0 Inf
USC00020750 1964    12   31 0 107  20  0 0   0  0  0 0  0  0  0  0  0  0  0  0 79 152  0  0  0  0   0  0  0  0  0  0   0   0")

res <- lapply(1:nrow(df), function(r){
  monthDays <- df[r,'Days']
  rain <- as.numeric(df[r,(1:monthDays) + 4])
  enc <- rle(rain > 0)
  if(all(!enc$values))
    return(c(0,0))
  len <- enc$lengths
  len[!enc$values] <- 0
  max.idx <- which.max(len)
  lastIdx <- cumsum(enc$lengths)[max.idx]
  firstIdx <- lastIdx - enc$lengths[max.idx] + 1
  tot <- sum(rain[firstIdx:lastIdx])
  stretch <- lastIdx - firstIdx + 1
  return(c(stretch,tot))  
})
columnsToAdd <- do.call(rbind,res)
colnames(columnsToAdd) <- c('StretchLen','StretchRain')

df2 <- cbind(df,columnsToAdd)

结果：

# We print the result without months values for better readability
> df2[,-(5:35)]
       Station Year Month Days StretchLen StretchRain
1  USC00020750 1964     1   31          3         110
2  USC00020750 1964     2   29          1          48
3  USC00020750 1964     3   31          4         328
4  USC00020750 1964     4   30          4         127
5  USC00020750 1964     5   31          2          59
6  USC00020750 1964     6   30          1          38
7  USC00020750 1964     7   31          3         210
8  USC00020750 1964     8   31          3         175
9  USC00020750 1964     9   30          2          66
10 USC00020750 1964    10   31          0           0
11 USC00020750 1964    11   30          2         130
12 USC00020750 1964    12   31          2         127

顺便说一句，如果你想坚持应用，它会是这样的：

columnsToAdd <- 
t(apply(df[,-(1:3)],MARGIN=1,function(r){
  monthDays <- r[1]
  rain <- as.numeric(r[-1])
  enc <- rle(rain > 0)
  if(all(!enc$values))
    return(c(0,0))
  len <- enc$lengths
  len[!enc$values] <- 0
  max.idx <- which.max(len)
  lastIdx <- cumsum(enc$lengths)[max.idx]
  firstIdx <- lastIdx - enc$lengths[max.idx] + 1
  tot <- sum(rain[firstIdx:lastIdx])
  stretch <- lastIdx - firstIdx + 1
  return(c(stretch,tot))  
}))

colnames(columnsToAdd) <- c('StretchLen','StretchRain')

df2 <- cbind(df,columnsToAdd)

我不喜欢在 data.frame 上使用apply，因为它是为矩阵创建的，因此它在调用函数之前将列强制为相同类型（因此，如果您处理不同类型的列，则需要小心）。

【讨论】：

全天零下雨情况处理
没有问题，我还添加了一个使用 apply 的解决方案（以及为什么不将其用于 data.frame 的原因）

【解决方案2】：

这是另一个使用 dplyr/tidyr 的解决方案

data %>%
  gather(day, rain, -Station, -Year, -Month, -Days) %>%
  arrange(Station, Year, Month, day) %>%
  group_by(Station, Year, Month) %>%
  mutate(previous_rain = lag(rain)) %>%
  filter(!(rain %in% c(0, Inf))) %>%
  mutate(storm = cumsum(previous_rain %in% c(0, NA))) %>%
  group_by(Station, Year, Month, storm) %>%
  summarize(total_rain = sum(rain),
            number_of_days = n(),
            start_day = first(day),
            end_day = last(day)) %>%
  arrange(desc(number_of_days)) %>%
  slice(1)

【讨论】：

【解决方案3】：

这是另一种看法，我使用rle() 函数来查找运行长度。它是冗长的，但主要是为了说明正在发生的事情 - 你可以很容易地缩短它。

raindf <- 
    tmp <- read.table(textConnection(" Station     Year Month Days 1   2   3  4 5   6  7  8 9 10 11 12 13 14 15 16 17 18  19 20 21 22 23  24 25 26 27 28 29  30  31
USC00020750 1964     1   31 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0  25  0 23 51 36   0  0  0  0  0  0   0   0
           USC00020750 1964     2   29 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0  48  0  0  0  3   0  0  0  0  0  0 Inf Inf
           USC00020750 1964     3   31 0  46  51  0 0  36 41 46 0  0  0  0 43  0  0  0  0  0   0  0  0 53 99 140 36  0  0  0  0   0   0
           USC00020750 1964     4   30 5  69  23 30 0  18  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0  33 13  0  0  0 15   0 Inf
           USC00020750 1964     5   31 0   0   0  0 0   0 43  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0 51  8  0  0   0   0
           USC00020750 1964     6   30 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0  0 38  0  0   0 Inf
           USC00020750 1964     7   31 0   0   0  0 0   0  0  0 0  0  0  0 41  0 13 13  0  0   0  0  8 51  0  71  0 10  0  0 20 165  25
           USC00020750 1964     8   31 8  30 137  0 0   5 89  0 0  0 18 64  5  0  0  0  0  0   0  0  0  0  0   0  0 76  0  0  0   0   0
           USC00020750 1964     9   30 0   0   0  0 0 119  0  0 0  0  0  0  0 41 25  0  0  0   0  0 25  0  0   0  0  0  0  0  0   0 Inf
           USC00020750 1964    10   31 0   0   0  0 0   0  0  0 0  0  0  0  0  0  0  0  0  0   0  0  0  0  0   0  0  0  0  0  0   0   0
           USC00020750 1964    11   30 0   5   0  0 0   0  0  0 0  0 91  0  0  0 36 94  0  0   0  0  0  0  0   0  0  0  0  0  0   0 Inf
           USC00020750 1964    12   31 0 107  20  0 0   0  0  0 0  0  0  0  0  0  0  0  0 79 152  0  0  0  0   0  0  0  0  0  0   0   0"), header = TRUE)

rainfall <- unlist(as.data.frame(t(raindf[1:3, -c(1:4)])), use.names = FALSE)
rainfall <- rainfall[!is.infinite(rainfall)]
rainfall[rainfall > 0] <- 1
rainyruns <- rle(rainfall)
rainyrunsDf <- data.frame(lengths = rainyruns$lengths, values = rainyruns$values)
rainyrunsDf <- subset(rainyrunsDf, values != 0)
rainyrunsDf <- rainyrunsDf[order(rainyrunsDf$lengths, decreasing = TRUE), ]
rainyrunsDf[1,1]
## [1] 4

【讨论】：