Question

问题：给定原子矢量，找到矢量中运行的起始和结束索引。

带有运行的示例向量：

x = rev(rep(6:10, 1:5))
# [1] 10 10 10 10 10  9  9  9  9  8  8  8  7  7  6

rle()的输出：

rle(x)
# Run Length Encoding
#  lengths: int [1:5] 5 4 3 2 1
#  values : int [1:5] 10 9 8 7 6

期望的输出：

#   start end
# 1     1   5
# 2     6   9
# 3    10  12
# 4    13  14
# 5    15  15

基础rle类似乎不提供此功能，但类Rle和函数rle2可以提供此功能。但是，考虑到功能有多么微小，坚持使用基础R似乎比安装和加载其他软件包更为明智。

有一些代码片段（here，here和on SO）的示例解决了为满足某些条件的运行查找开始和结束索引的稍微不同的问题。我想要的东西更通用，可以在一行中执行，并且不涉及临时变量或值的分配。

回答我自己的问题，因为我对搜索结果的缺乏感到沮丧。我希望这有助于某人！

Answer 1

核心逻辑：

# Example vector and rle object
x = rev(rep(6:10, 1:5))
rle_x = rle(x)

# Compute endpoints of run
end = cumsum(rle_x$lengths)
start = c(1, lag(end)[-1] + 1)

# Display results
data.frame(start, end)
#   start end
# 1     1   5
# 2     6   9
# 3    10  12
# 4    13  14
# 5    15  15

Tidyverse / dplyr方式（以数据框为中心）：

library(dplyr)

rle(x) %>%
  unclass() %>%
  as.data.frame() %>%
  mutate(end = cumsum(lengths),
         start = c(1, lag(end)[-1] + 1)) %>%
  extract(c(1,2,4,3)) # To re-order start before end for display

因为start和end向量与values对象的rle组件的长度相同，所以解决了为满足某些条件的运行识别端点的相关问题很简单：使用运行值上的条件filter或start和end向量的子集。

Answer 2

有data.table种可能性，其中.I和.N用于选择由rleid运行定义的每个组的相关索引。

library(data.table)
data.table(x)[ , .(start = .I[1], end = .I[.N]), by = rleid(x)][, rleid := NULL][]
#    start end
# 1:     1   5
# 2:     6   9
# 3:    10  12
# 4:    13  14
# 5:    15  15

查找运行/连续值的开始和结束位置/索引

2 个答案: