Question

假设我有一个数据集，其中长度为1的序列是非法的，长度2是合法的，大于长度5是非法的但是允许将更长的序列分解为＆lt; = 5序列。

set.seed(1)
DT1 <- data.table(smp = 1, R=sample(0:1, 20000, rep=TRUE), Seq = 0L)
DT1[, smp:=1:length(smp)]
DT1[, Seq:=seq(.N), by=list(cumsum(c(0, abs(diff(R)))))]

这最后一行直接来自： Creating a sequence in a data.table depending on a column

DT1[, fix_min:=ifelse((R==TRUE & Seq==1) | (R==FALSE), FALSE, TRUE)]
fixmin_idx2 <- which(DT1[, fix_min==TRUE])
DT1[fixmin_idx2 -1, fix_min:=TRUE]

现在我的长度为2的法官已正确标记。分解＆gt; 5s。

DT1[R==1 & Seq==6, fix_min:=FALSE]
DT1[,Seq2:=seq(.N), by=list(cumsum(c(0, abs(diff(fix_min)))))]
DT1[R==1 & Seq2==6, fix_min:=FALSE]
fixSeq2_idx7 <- which(DT1[,fix_min==TRUE] & DT1[,Seq2==7])
fixSeq2_idx7
[1] 10203 13228
DT1[fixSeq2_idx7,]
 smp R Seq fix_min Seq2
1: 10203 1  13    TRUE    7
2: 13228 1  13    TRUE    7
DT1[fixSeq2_idx7 + 1,]
 smp R Seq fix_min Seq2
1: 10204 1  14    TRUE    8
2: 13229 0   1   FALSE    1

现在测试Seq2 == 7后面是Seq2 == 8，这将是合法的2长度。我一个7然后是一个8而一个没有跟着一个8.然后我就被卡住了。我尝试过的所有内容都将fix_min设置为TRUE或更改为TRUE和FALSE。

非常感谢任何指导。

Answer 1

如果我正确理解您的问题，您希望在fix_min或FALSE时将R == 0设置为R == 1 & (1 =< Seq < 6 | Seq > 6)。然后以下应该给你你想要的东西：

# recreating the data from your first code block
set.seed(1)
DT1 <- data.table(R=sample(0:1, 20000, rep=TRUE))[, smp:=.I
                                                  ][, Seq:=seq(.N), by=rleid(R)
                                                    ][, Seq2 := Seq[.N], by=rleid(R)]

# adding the needed 'fix_min' column
DT1[, fix_min := (R==1 & Seq[.N] > 1 & Seq%%6!=0), by=rleid(R)
    ][R==1 & Seq%%6==1 & Seq2%%6==1 & Seq==Seq2, fix_min := FALSE]

解释：

data.table(R=sample(0:1, 20000, rep=TRUE))创建 data.table
[, smp:=.I]创建索引并将其添加到 data.table
by=rleid(R)识别序列;看看它的作用：data.table(R=sample(0:1, 20000, rep=TRUE))[, seq.id:=rleid(R)]
[, Seq:=seq(.N), by=rleid(R)]为每个序列创建一个索引，并将其添加到 data.table ;序列由rleid(R)
[, Seq2 := Seq[.N], by=rleid(R)]创建一个变量，其中包含一个指示序列长度的值
fix_min := (R==1 & Seq[.N] > 1 & Seq%%6!=0)创建一个TRUE值的逻辑向量，其中R==1＆amp;序列的长度大于一（Seq[.N] > 1），不包括序列号是6（Seq%%6!=0）的倍数的值
R==1 & Seq%%6==1 & Seq2%%6==1 & Seq==Seq2过滤 data.table ，如下所示：仅R==1＆amp;序列值为7，13，19等（Seq%%6==1）＆amp;序列的长度为7，13，19等，仅从符合其他条件的序列中选择最后一行（Seq==Seq2）。使用fix_min := FALSE，您可以将其设置为FALSE。

使用data.table

1 个答案: