时间戳

首页 > 解决方案 > 为R中的连续二项式值序列分配唯一标识符

r - 为R中的连续二项式值序列分配唯一标识符

问题描述

我有一个数据框，其列由 0 和 1 的序列组成。0 不感兴趣，但 1 表示按时间序列发生的事件，目标是为每个事件分配唯一值。简单的整数值就足够了。所以在下面的代码中，“x”是我所拥有的，“目标”是我所追求的。

这看起来很简单，但我不太知道如何在帮助搜索中表达这个问题......

我有什么作为数据框：

x <- c(rep(0,4),rep(1,5),rep(0,2),rep(1,4),rep(0,10),rep(1,3))

x <- data.frame(x)

我在数据框中想要什么：

x$goal <- c(rep(0,4),rep(1,5),rep(0,2),rep(2,4),rep(0,10),rep(3,3))

标签： rsequenceseqrun-length-encoding

解决方案

这实际上是一种游程编码，带有轻微的扭曲（零化0s）。

虽然data.table::rleid做得很好，但如果您还没有使用该软件包，那么我们将使用

my_rleid <- function(x) { yy <- rle(x); rep(seq_along(yy$lengths), yy$lengths); }

从这里，我们将看到

x$out <- my_rleid(x$x)
x$out <- ifelse(x$x == 0, 0L, x$out)
x
#    x goal out
# 1  0    0   0
# 2  0    0   0
# 3  0    0   0
# 4  0    0   0
# 5  1    1   2
# 6  1    1   2
# 7  1    1   2
# 8  1    1   2
# 9  1    1   2
# 10 0    0   0
# 11 0    0   0
# 12 1    2   4
# 13 1    2   4
# 14 1    2   4
# 15 1    2   4
# 16 0    0   0
# 17 0    0   0
# 18 0    0   0
# 19 0    0   0
# 20 0    0   0
# 21 0    0   0
# 22 0    0   0
# 23 0    0   0
# 24 0    0   0
# 25 0    0   0
# 26 1    3   6
# 27 1    3   6
# 28 1    3   6

这非常接近。如果您需要连续的数字（没有像上面那样的间隙），那么

x$out <- match(x$out, sort(unique(x$out))) - (0 %in% x$out)
x
#    x goal out
# 1  0    0   0
# 2  0    0   0
# 3  0    0   0
# 4  0    0   0
# 5  1    1   1
# 6  1    1   1
# 7  1    1   1
# 8  1    1   1
# 9  1    1   1
# 10 0    0   0
# 11 0    0   0
# 12 1    2   2
# 13 1    2   2
# 14 1    2   2
# 15 1    2   2
# 16 0    0   0
# 17 0    0   0
# 18 0    0   0
# 19 0    0   0
# 20 0    0   0
# 21 0    0   0
# 22 0    0   0
# 23 0    0   0
# 24 0    0   0
# 25 0    0   0
# 26 1    3   3
# 27 1    3   3
# 28 1    3   3

我选择使用- (0 %in% x$out)而不是硬编码的1原因是我想防止数据中没有 0 的可能性。换句话说，它(0 %in% x$out)解析为FALSEor TRUE，当从integers 中减去时，它分别被强制为0Lor 1L。我需要这个的原因：如果有一个0in $out，那么match实际上match(0, 0:6)就是 which will return 1。我们希望x == 0匹配是0L，所以我们必须减一。由于第二个参数 (from sort(unique(.))) 总是从 0 开始（如此处）或从 1 开始（在 中不存在零x$x），因此调整起来很容易。

如果您确定情况并非如此，并且您不喜欢- (.)I 附加到match(.)，那么您可以将其更改为match(.) - 1L.

推荐阅读