Question

我有一个数据框。为简单起见，我省略了许多列和行：

    Distance     Type
1      162         A
2      27182       A
3      212         C
4       89         B
5       11         C

我需要在数据帧中找到6个连续的行，这样平均距离就是1000，并且考虑的唯一类型是A或B.只是为了澄清，人们可能会认为过滤掉所有的C行，并且然后继续，但是那些原本不是连续的行在过滤时将变为连续的，这并不好。

例如，如果我过滤掉上面的第3行和第5行，我会留下3行。如果我提供了更多行，那可能会产生错误的结果。

Answer 1

也许是data.table库的解决方案？

为了重现性，这里有一个数据样本，基于你所写的内容。

library(data.table)

# data orig (with row numbers...)
DO<-"Distance     Type
1      162         A
2      27182       A
3      212         C
4       89         B
5       11         C
6      1234       A"

# data : sep by comma
DS<-gsub('[[:blank:]]+',';',DO)
# data.frame
DF<-read.table(textConnection(DS),header=T,sep=';',stringsAsFactors = F)
#data.table
DT<-as.data.table(DF)

然后，每次找到相同值的序列时，创建一个递增计数器的函数：

# function to set sequencial group number
mkGroupRep<-function(x){
  cnt=1L
  grp=1L
  lx<-length(x)
  ne<- x[-lx] != x[-1L] #next not equal
  for(i in seq_along(ne)){if(ne[i])cnt=cnt+1;grp[i+1]=cnt}
  grp
}

并将其与data.table一起使用'通过引用进行多次分配'：

# update dat : set group number based on sequential type
DT[,grp:=mkGroupRep(Type)]

# calc sum of distance and number of item in group, by group
DT[,`:=`(
  distMean=mean(Distance),
  grpLength=.N
),by=grp]


# filter what you want :
DT[Type != 'C' & distMean >100 & grpLength==2 | grpLength==3]

输出：

   Distance Type grp distMean grpLength
1:      162    A   1    13672         2
2:    27182    A   1    13672         2

使用滑动窗口查找连续值

1 个答案: