将唯一标识符分配给 R 中连续的二项式值序列

Question

我有一个数据框，其列由 0 和 1 的序列组成。 0 并不重要，但 1 表示时间序列中发生的事件，目标是为每个事件分配一个唯一值。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，'goal' 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问题...

我的数据框是什么：

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

x <- data.frame(x)

我想要的数据框：

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

Answer 1

这实际上是一个运行长度的编码，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

非常接近。如果你需要连续的数字（没有像上面那样的空隙），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$out) 而不是硬编码 1 的原因是我想防止数据中没有 0 的可能性。换句话说，(0 %in% x$out) 解析为 FALSE 或 TRUE，当从 integer 中减去时，分别被强制为 0L 或 1L .我需要这个的原因：如果 $out 中有一个 0，那么 match 将有效地成为 match(0, 0:6)，这将是 return 1。我们希望 x == 0 匹配为 0L，因此我们必须减去一个。由于第二个参数（来自 sort(unique(.))）总是基于 0（如此处）或基于 1（x$x 中不存在零），因此很容易调整。

如果你确定这不可能，并且你不喜欢我附加到match(.)的- (.)，那么你可以将其更改为 match(.) - 1L.

将唯一标识符分配给 R 中连续的二项式值序列

Assigning unique identifier to consecutive sequences of binomial values in R

r

sequence

run-length-encoding

seq