Question

获取重复＃次的所有元素的索引的最佳方法是什么？我想确定重复两次以上的元素。 @Query和rle()都提示我需要的值，但没有一种方法直接给我索引。

我想到了以下代码：

rleid()

返回：

t1 <- c(1, 10, 10, 10, 14, 37, 3, 14, 8, 8, 8, 8, 39, 12)

t2 <- lag(t1,1)
t2[is.na(t2)] <- 0
t3 <- ifelse(t1 - t2 == 0, 1, 0)
t4 <- rep(0, length(t3))
for (i in 2:length(t3)) t4[i] <- ifelse(t3[i] > 0, t3[i - 1] + t3[i], 0)

which(t4 > 1)

这些就是我需要的值。

有没有更合适的R功能？

本

Answer 1

带有data.table的一个选项。当n = 2时，没有真正的理由使用它代替lag / shift，但是对于较大的n，这可以避免创建大量新的滞后向量。

library(data.table)

which(rowid(rleid(t1)) > 2)
# [1]  4 11 12

说明：

rleid将为每个相等值的“运行”产生唯一的值，而rowid将标记每个元素“进入”运行有多少个元素。您想要的是将2个以上的元素“放入”一个运行。

data.table(
  t1,
  rleid(t1),
  rowid(t1))

#     t1 V2 V3
#  1:  1  1  1
#  2: 10  2  1
#  3: 10  2  2
#  4: 10  2  3
#  5: 14  3  1
#  6: 37  4  1
#  7:  3  5  1
#  8: 14  6  2
#  9:  8  7  1
# 10:  8  7  2
# 11:  8  7  3
# 12:  8  7  4
# 13: 39  8  1
# 14: 12  9  1

编辑：如果像该问题所提出的示例那样，没有两个游程（甚至是长度为1的“游程”）具有相同的值（或者如果您不在乎重复项是否彼此相邻），您可以只使用which(rowid(t1) > 2)。（弗兰克在评论中指出了这一点）

希望这个示例可以澄清差异

a <- c(1, 1, 1, 2, 2, 1)
which(rowid(a) > 2)
# [1] 3 6
which(rowid(rleid(a)) > 2)
# [1] 3

Answer 2

您可以使用dplyr::lag或data.table::shift（请注意，shift的默认值是滞后的，因此shift(t1, 1)等于shift(t1, 1, type = "lag")：

which(t1 == lag(t1, 1) & lag(t1, 1) == lag(t1, 2))
[1]  4 11 12
# Or
which(t1 == shift(t1, 1) & shift(t1, 1) == shift(t1, 2))
[1]  4 11 12

如果您需要它来缩放几个副本，则可以执行以下操作（感谢提示@IceCreamToucan）：

n <- 2
df1 <- sapply(0:n, function(x) shift(t1, x))
which(rowMeans(df1 == df1[,1]) == 1)
[1]  4 11 12

Answer 3

通常rle是有用的情况，即

v1 <- rle(t1)
i1 <- seq_along(t1)[t1 %in% v1$values[v1$lengths > 2]]
i2 <- t1[t1 %in% v1$values[v1$lengths > 2]]
tapply(i1, i2, function(i) tail(i, -2))
#$`8`
#[1] 11 12

#$`10`
#[1] 4

您可以取消列表并将其作为矢量，

unlist(tapply(i1, i2, function(i) tail(i, -2)))
#81 82 10 
#11 12  4

rleid包中还有一个名为data.table的函数可供我们使用，

unlist(lapply(Filter(function(i) length(i) > 2, split(seq_along(t1), data.table::rleid(t1))),
                                                                    function(i) tail(i, -2)))
 #2 71 72 
 #4 11 12

Answer 4

涉及rle()的另一种可能性可能是：

pseudo_rleid <- with(rle(t1), rep(seq_along(values), lengths))
which(ave(t1, pseudo_rleid, FUN = function(x) seq_along(x) > 2) != 0)

[1]  4 11 12

索引向量中的连续重复项

4 个答案: