有没有办法在R中编码增加的整数序列，类似于使用游程长度编码（rle）编码游程长度？
我将举例说明：
类比：游程编码
r <- c(rep(1, 4), 2, 3, 4, rep(5, 5))
rle(r)
Run Length Encoding
lengths: int [1:5] 4 1 1 1 5
values : num [1:5] 1 2 3 4 5
所需：序列长度编码
s <- c(1:4, rep(5, 4), 6:9)
s
[1] 1 2 3 4 5 5 5 5 6 7 8 9
somefunction(s)
Sequence lengths
lengths: int [1:4] 5 1 1 5
value1 : num [1:4] 1 5 5 5
修改1
因此，somefunction(1:10)将给出结果：
Sequence lengths
lengths: int [1:1] 10
value1 : num [1:1] 1
这个结果意味着有一个长度为10的整数序列，起始值为1，即seq(1, 10)
请注意，我的示例结果中没有错误。实际上，载体以序列5：9结束，而不是6：9，用于构建它。
我的用例是我正在使用SPSS导出文件中的调查数据。问题网格中的每个子问题都将具有模式paste("q", 1:5)的名称，但有时会有一个“其他”类别，该类别将标记为q_99，q_other或其他内容。我希望找到一种识别序列的方法。
修改2
在某种程度上，我所需的函数是基函数sequence的反函数，在我的示例中添加了起始值value1。
lengths <- c(5, 1, 1, 5)
value1 <- c(1, 5, 5, 5)
s
[1] 1 2 3 4 5 5 5 5 6 7 8 9
sequence(lengths) + rep(value1-1, lengths)
[1] 1 2 3 4 5 5 5 5 6 7 8 9
编辑3
我应该说，为了我的目的，序列被定义为增加整数序列，而不是单调递增序列，例如c(4,5,6,7)但不是c(2,4,6,8)也不是c(5,4,3,2,1)。但是，序列之间可能出现任何其他整数。
这意味着解决方案应该能够应对这个测试用例：
somefunction(c(2, 4, 1:4, 5, 5))
Sequence lengths
lengths: int [1:4] 1 1 5 1
value1 : num [1:4] 2 4 1 5
在理想情况下，解决方案还可以处理最初建议的用例，其中包括向量中的字符，例如
somefunction(c(2, 4, 1:4, 5, "other"))
Sequence lengths
lengths: int [1:5] 1 1 5 1 1
value1 : num [1:5] 2 4 1 5 "other"
答案 0 :(得分：8)
编辑：添加控件以执行角色向量。
基于rle，我来看下面的解决方案：
somefunction <- function(x){
if(!is.numeric(x)) x <- as.numeric(x)
n <- length(x)
y <- x[-1L] != x[-n] + 1L
i <- c(which(y|is.na(y)),n)
list(
lengths = diff(c(0L,i)),
values = x[head(c(0L,i)+1L,-1L)]
)
}
> s <- c(2,4,1:4, rep(5, 4), 6:9,4,4,4)
> somefunction(s)
$lengths
[1] 1 1 5 1 1 5 1 1 1
$values
[1] 2 4 1 5 5 5 4 4 4
这个适用于我尝试的每个测试用例，并使用没有ifelse子句的矢量化值。应该跑得更快。它将字符串转换为NA，因此您保持数字输出。
> S <- c(4,2,1:5,5, "other" , "other",4:6,2)
> somefunction(S)
$lengths
[1] 1 1 5 1 1 1 3 1
$values
[1] 4 2 1 5 NA NA 4 2
Warning message:
In somefunction(S) : NAs introduced by coercion
答案 1 :(得分：5)
这是我的解决方案
diff_s = which(diff(s) != 1)
lengths = diff(c(0, diff_s, length(s)))
values = s[c(1, diff_s + 1)]
编辑：处理字符串的功能
sle2 = function(s){
s2 = as.numeric(s)
s2[is.na(s2)] = 100 + as.numeric(factor(s[is.na(s2)]))
diff_s2 = which(diff(s2) != 1)
lengths = diff(c(0, diff_s2, length(s)))
values = s[c(1, diff_s2 + 1)]
return(list(lengths = lengths, values = values))
}
sle2(c(4,2,1:5,5, "other" , "other",4:6,2, "someother", "someother"))
lengths
[1] 1 1 5 1 1 1 3 1 1 1
$values
[1] "4" "2" "1" "5" "other" "other" "4" "2" "someother" "someother"
Warning message:
In sle2(c(4, 2, 1:5, 5, "other", "other", 4:6, 2, "someother", "someother")) :
NAs introduced by coercion
答案 2 :(得分：4)
您可以使用此功能开始（上面给出s）：
s2<-c(0, diff(s))
s3<-ifelse((c(s2[-1], 0)==1) & (s2!=1), 1, s2)
rle(ifelse(s3==1, -1, seq_along(s3)))
它还没有返回值，可能有足够的方法来adpat代码。至少你有序列长度，因此你可以很容易地检索序列的起始值。
答案 3 :(得分：3)
怎么样：
sle <- function(s)
{
diffs <- which(diff(s)!=1)
lengths <- c(diffs[1],diff(diffs),length(s)-diffs[length(diffs)])
value1 <- s[c(1,diffs+1)]
cat("", "Sequence Length Encoding\n", " lengths:")
str(lengths)
cat(" value1:")
str(value1)
}
sle(s)
Sequence Length Encoding
lengths: int [1:4] 5 1 1 5
value1: num [1:4] 1 5 5 5
sle(c(2,4,1:4,rep(5,4),6:9,4,4,4))
Sequence Length Encoding
lengths: int [1:9] 1 1 5 1 1 5 1 1 1
value1: num [1:9] 2 4 1 5 5 5 4 4 4
答案 4 :(得分：3)
这是对Joris Meys解决方案的增强。考虑这是解决未来问题的方法:-)。
卡尔
seqle <- function(x,incr=1) {
if(!is.numeric(x)) x <- as.numeric(x)
n <- length(x)
#y <- x[-1L] != x[-n] + 1L
y <- x[-1L] != x[-n] + incr
i <- c(which(y|is.na(y)),n)
list( lengths = diff(c(0L,i)), values = x[head(c(0L,i)+1L,-1L)])
}
答案 5 :(得分：0)
“我的用例是我正在使用SPSS导出文件中的调查数据。问题网格中的每个子问题都会有一个模式粘贴的名称（”q“，1：5），但有时会有一个“其他”类别，将标记为q_99，q_other或其他。我希望找到一种识别序列的方法。“
当我从确认，DASH，SPSS，SAS，MySQL或其他任何东西中提取数据时，我通常会做这样的事情，因为它总是会受到数据的限制。（）：
surv.pull <- function(dat, pattern) {
dat <- data.frame(dat[,grep(pattern,colnames(dat))],check.names=F)
return(dat)
}
如果您使用pattern之类[q][_][9][9]，则可以决定是否通过添加“。”来提取其他数据空间的data.frame。到最后[q][_][9][9].，以便它拉q_99whatever
我的大多数数据列都是这样的形式，如q8a.1，.3，.4，.5，.6，.7，.8，......所以surv.pull(dat, "[q][8][a].")会将它们全部拉出来，包括另一个如果有指定。显然，使用正则表达式可以决定是否拉另一个。
或者，一般惯例是将其他指定问题推送到数据空间的末尾，因此快速df <- df[-ncol(df)]会丢弃它，或other_list <- df[ncol(df)]会保存它。