R——如何有条件地对大型数据帧的二进制时间序列数据求和

Question

我已经尝试解决这个问题太久了。我有 300 多年（行）和 70 多棵树（列）的年度时间序列格式的二进制昆虫爆发数据。

我想有条件地用累积和填充相同维度的数据框/矩阵/数据table，并在每个爆发期结束时将其重置为0。我发现了很多类似的问题/答案，但我似乎无法将其转化为我的问题。

我将有一个数据框的片段，例如，它看起来像这样：

      t1 t2 t3 t4 t5
2000   1  0  0  1  0
2001   1  0  0  0  1
2002   1  1  0  0  1
2003   0  1  0  1  1
2004   1  1  1  1  1

我想创建一个新的 df，如下所示：

      t1 t2 t3 t4 t5
2000   1  0  0  1  0
2001   2  0  0  0  1
2002   3  1  0  0  2
2003   0  2  0  1  3
2004   1  3  1  2  4

我觉得我已经接近 data.table 和 rle 包，尽管我也绕了很多圈子（很确定我这样做是为了曾经是一个列，但现在不记得我做了什么，或者为什么我不能让它在所有列中循环工作...）。

我一直使用以下方法在一些范围内工作，通常只是一列，或者在移动的 df 之上添加一个 1 df，所以单个列可能看起来像 0 1 2 2 1 0 而不是 0 1 2 3 4 0。一些尝试，如果这有帮助的话，是代码的变体，如下所示：

setDT(dt)[, new := t1 + shift(t1, fill = 0)]


apply(
  rle( matrix)$lengths
  , 2, seq)
rle( matrix[,1])$lengths 


for( i in 1:dim(dt)[1]) {
  for( j in 1:dim(dt)[2]) {
    cols <- names(dt) # tried in place of .SD with negative results
    if( dt[i,j] == 1) {
      dt[, new := .SD + shift(.SD, 1L, fill = 0, type = "lag", give.names = TRUE)]
    } else { dt }
  }
}

我使用的一些主要 SO 源包括以下页面：data.table, ,

如果我遗漏了任何重要信息，请告诉我（我是新手！）。非常感谢您的帮助！

Answer 1

您可以使用 data.table 结合 ave 函数来计算按列本身的 rleid 分组的每列的累积和：

library(data.table)
setDT(dt)[, names(dt) := lapply(.SD, function(col) ave(col, rleid(col), FUN = cumsum))][]

#   t1 t2 t3 t4 t5
#1:  1  0  0  1  0
#2:  2  0  0  0  1
#3:  3  1  0  0  2
#4:  0  2  0  1  3
#5:  1  3  1  2  4

Answer 2

我们可以使用 rle 和 base R

中的 sequence

df2 <- df1 #create a copy of df1
#loop through the columns of 'df2', apply the `rle`, get the 'sequence'
#of 'lengths' and multiply with the column values.
df2[] <- lapply(df2, function(x) sequence(rle(x)$lengths)*x)
df2
#     t1 t2 t3 t4 t5    
#2000  1  0  0  1  0
#2001  2  0  0  0  1
#2002  3  1  0  0  2
#2003  0  2  0  1  3
#2004  1  3  1  2  4

R——如何有条件地对大型数据帧的二进制时间序列数据求和

R -- How to conditionally sum binary time series data for large data frames

r

binary

time-series

cumulative-sum