获取特定长度的连续整数并从第一个值中采样

Question

我正在尝试创建一个函数，它将 return 向量子集的第一个整数，这样子集的值是离散的，增加 1，并且具有指定的长度。

例如，使用输入数据 'v' 和指定长度 'l' 3：

v <- c(3, 4, 5, 6, 15, 16, 25, 26, 27)
l <- 3

长度为 3 的连续值的可能子向量为：

c(3, 4, 5)
c(4, 5, 6)
c(25, 26, 27)

然后我想随机选择这些向量之一和 return first/lowest 数字，即 3、4 或 25。

Answer 1

这是一种基于 R:

的方法

首先，我们创建所有可能的长度为 length 的子向量。接下来，我们根据向量的 cumsum 等于 1 对向量列表进行子集化。 is.na 测试确保最后包含 NA 的向量也被过滤掉。然后我们只需将剩余的向量绑定到一个矩阵中并对第一列进行采样。

SampleSequencialVectors <- function(vec, length){
  all.vecs <- lapply(seq_along(vec),function(x)vec[x:(x+(length-1))])
  seq.vec <- all.vecs[sapply(all.vecs,function(x) all(diff(x) == 1 & !is.na(diff(x))))]
  sample(do.call(rbind,seq.vec)[,1],1)
}

replicate(10, SampleSequencialVectors(v, 3))
# [1]  3  4  3  3  4  4 25 25  3 25

或者如果您更喜欢 tidyverse 类型的方法：

SampleSequencialVectorsPurrr <- function(vec, length){
  vec %>%
    seq_along %>%
    purrr::map(~vec[.x:(.x+(length-1))]) %>%
    purrr::keep(~ all(diff(.x) == 1 & !is.na(diff(.x)))) %>%
    purrr::invoke(rbind,.) %>%
    {sample(.[,1],size = 1)}
}
replicate(10, SampleSequencialVectorsPurrr(v, 3))
 [1]  4 25 25  3 25  4  4  3  4 25

Answer 2

自鸣得意 -- cgwtools::seqle 类似于 rle，但您可以在运行中指定所需的增量。 seqle(x, incr = 0,..) 等同于 rle(x)

然后只需从结果中获取运行长度和起始值。

Answer 3

Base R 两行：请注意此解决方案假定 v 已排序。

consec_seq <- sapply(seq_along(v), function(i)split(v, abs(v - v[i]) > 1)[1])
consec_seq[lengths(consec_seq) == l][sample.int(l, 1)]

作为可重用函数（不假设 v 已排序）：

conseq_split_sample <- function(vec, n){ 
  v <- sort(vec)
  consec_seq <- sapply(seq_along(v), function(i)split(v, abs(v - v[i]) > 1)["FALSE"])
  consec_seq[lengths(consec_seq) == n][sample.int(n, 1)]
}
conseq_split_sample(v, l)

数据：

 l <- 3
 v <- c(3, 4, 5, 6, 15, 16, 25, 26, 27)

Answer 4

将向量拆分为运行个连续值*：split(v, cumsum(c(1L, diff(v) != 1)))
Select 运行s 的长度超过或等于限制：runs[lengths(runs) >= lim]
从每个运行、select 可能的第一个值 (x[1:(length(x) - lim + 1)])。

从所有可能的第一个值中，样本 1。

runs = split(v, cumsum(c(1L, diff(v) != 1)))

first = lapply(runs[lengths(runs) >= lim], function(x) x[1:(length(x) - lim + 1)])

sample(unlist(first), 1)

这里我们遍历足够长度的运行s，而不是所有单个值（参见其他答案），因此可能在较大的向量上更快（还没有测试过）。

使用data.table稍微紧凑一些：

 sample(data.table(v)[ , if(.N >= 3) v[1:(length(v) - lim + 1)],
                       by = .(cumsum(c(1L, diff(v) != 1)))]$V1, 1)

*漂亮的规范的学分：How to split a vector into groups of consecutive sequences?.

获取特定长度的连续整数并从第一个值中采样

Get runs of consecutive integers of certain length and sample from first values

r

vector

sequence